Мы IT-компания с многолетнем 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)
- E-commerce domain knowledge
Условия и компенсации готовы обсуждать с кандидатами на интервью.
Заранее благодарим за отклик!
