Мы IT-компания с многолетним опытом на рынке, штатом до 1000 человек, ищем опытного ML Engineer, который будет отвечать за разработку, внедрение и оптимизацию ML-моделей, в особенности для рекомендательных систем с онлайн-инференсом. Ваша работа напрямую повлияет на персонализацию пользовательского опыта и рост бизнес-показателей.
Основные задачи:
- разработка высоконагруженных систем машинного обучения, акцент на рекомендательные сервисы в режиме реального времени;
- участие в проектировании архитектуры ML platform, определение технических требований и подходов;
- разработка и оптимизация алгоритмов рекомендаций (коллаборативная фильтрация, контентно-ориентированные подходы, гибридные модели);
- создание решений для персонализации товаров, поиска похожих товаров и других рекомендательных функций;
- построение модели для анализа изображений товаров (классификация, поиск по визуальному сходству);
- внедрение системы прогнозирования ключевых операционных показателей.
Ожидания от кандидата:
- 4+ года опыта разработки ML-решений in production (не research, не pet projects);
- опыт проектирования и создания рекомендательных систем, работающих в режиме реального времени с измеримым business impact;
- хорошее понимание ML-метрик и A/B тестирования (дизайн, запуск, анализ);
- высокая автономность: проектирование системы от идеи до production;
- уверенное владение Python (production-grade код);
- навыки реального обучения моделей, не только inference (PyTorch или TensorFlow);
- умение дебажить ООМ, писать эффективные jobs (Apache Spark (PySpark));
- навыки работы со сложными аналитическими запросами в SQL;
- опыт с Linux, Git, Docker.
Важно:
- понимание разницы между ML model и lookup table;
- знание, когда нужен ML, а когда достаточно правил;
- умение объяснить trade-offs: latency vs accuracy, complexity vs maintainability;
- способность валидировать результаты (не фейковые метрики).
Желательно:
- знание RecSys алгоритмов на практике: collaborative filtering, matrix factorization, two-tower, graph-based;
- опыт с Vector databases: Qdrant, Milvus, Pinecone (реальные проекты);
- навыки с Feature stores: Feast, Tecton;
- MLOps: MLflow, experiment tracking, model registry;
- опыт с Kubernetes, cloud (AWS/Yandex Cloud);
- е-commerce domain knowledge.
Условия и компенсации готовы обсуждать с кандидатами на интервью.
Заранее благодарим за отклик!
