31 июл.
AI-Разработчик
ЗП не указана, ≈ 249 033 ₽
Москва
Гибрид
Middle
Мы ищем Senior Machine Learning Engineer, который будет проектировать и строить ML-системы, отвечающие за точность ETA (Estimated Time of Arrival) и качество маршрутизации в глобальном масштабе. Это позиция для инженера, который хочет решать сложнейшие геопространственные задачи: от разработки глубоких нейросетей до построения low-latency пайплайнов для продакшн-сервинга.
Вы будете измерять свой успех через офлайн-метрики и результаты онлайн-экспериментов (shadow-тесты, switchback-дизайны), которые напрямую влияют на точность ETA, отмены заказов и бизнес-показатели.
Проектировать и строить ML-модели для коррекции и улучшения ETA-оценок маршрутизатора: от градиентного бустинга до нейросетевых и Transformer-архитектур по мере роста данных.
Разрабатывать модели для оценки трафика, превращающие большие объемы GPS-данных в скорости на дорогах и исторические профили трафика с учетом времени суток.
Работать над map-matching — привязкой зашумленных GPS-данных к дорожному графу, а также над пространственными агрегациями для подготовки данных о движении.
Улучшать логику расчета ETA, сглаживания и перестроения маршрутов, чтобы минимизировать разрыв между прогнозом и фактическим временем прибытия в изменяющихся условиях.
Трансформировать бизнес-цели в ML-задачи с правильными прокси-метриками и нефункциональными требованиями, включая функции потерь, где недооценка и переоценка имеют разную стоимость.
Проводить полный цикл оценки — от офлайн-метрик точности до дизайна онлайн-экспериментов (shadow-тесты, switchback-дизайны) и статистически доказывать улучшения перед релизом.
Взаимодействовать с бэкенд-инженерами для перевода прототипов в low-latency продакшн-сервинг с жесткими требованиями к задержке и пропускной способности.
Работать с продакт- и операционными командами для превращения анализа трафика и маршрутизации в конкретные фичи и требования, помогая расширять ETA-возможности на разные вертикали.
Владеть ML-жизненным циклом в продакшне: сервинг, мониторинг дрейфа данных и концепций, построение пайплайнов переобучения для поддержания качества при изменении трафика, городов и карт.
Академический бэкграунд: Будет плюсом наличие образования в количественной области (Computer Science, Mathematics или смежные дисциплины).
Опыт: 5+ лет инженерного опыта в машинном обучении, из которых минимум 3 года — разработка и развертывание глубоких нейросетей в продакшне.
Предметная область: Прямой опыт построения систем регрессии, прогнозирования или других supervised ML-систем для задач реального мира.
Технологии:
Экспертный уровень владения Python и ключевыми библиотеками для Data Science: PySpark, Pandas, NumPy, Scikit-learn, PyTorch; библиотеки градиентного бустинга (CatBoost/XGBoost/LightGBM).
Уверенное владение SQL.
Системное мышление: Умение спроектировать ML-систему с нуля как минимум в одной области (от анализа данных, обработки и инжиниринга признаков до модели, работающей в продакшне).
Эксперименты: Опыт превращения бизнес-цели в ML-задачу с правильными прокси-метриками, дизайн экспериментов и статистическая оценка влияния на реальное поведение пользователей.
MLOps: Опыт работы с MLOps-инструментами и практиками управления жизненным циклом ML-моделей.
Продакшн: Опыт развертывания моделей на ML-сервинговой инфраструктуре с оптимизацией задержек, понимание концептуального дрейфа и методов его обнаружения.
Данные: Уверенная работа с геопространственными данными (GPS-треки, H3-индексация) и распределенной обработкой больших данных.
Коммуникация: Способность влиять на коллег и партнерские команды, понятно объяснять сложные результаты.
Будет плюсом:
Глубокая экспертиза в прогнозировании ETA / времени в пути, оценке трафика или качестве маршрутизаторов.
Практический опыт с open-source routing-движками (Valhalla, OSRM, GraphHopper) и концепциями map-matching, профилей скорости, тайлов дорожного графа и исторического трафика.
Опыт работы в продуктах, связанных с картами, геолокацией или геопространственными сервисами.
Опыт создания продуктов для развивающихся рынков, где качество карт и адресных данных оставляет желать лучшего.
Опыт работы с облачными ML-платформами (BigQuery, Databricks; сертификации приветствуются) и распределенным обучением глубоких нейросетей.
Условия:
Будьте осторожны: если работодатель просит войти через Google, iCloud или Госуслуги, прислать код или пароль, запустить ПО или перевести деньги — это мошенники.
ЖмитеГайд по безопасности
