Команда Поиска развивает важные для всего бизнеса компании компоненты: поисковые тулы (отели, ж/д, авиа), поисковые подсказки (нулевая выдача, ML-рекомендации) и растит метрику конверсии переходов на карточку отеля.
Задачи:
- Вести ML-проекты end-to-end: постановка задачи -> решение -> тест -> прод -> поддержка.
- Совместно с дата инженерами формировать датасеты и требования к данным, оценивать реализуемость, риски и ограничения.
- Совместно с дата аналитиками участвовать в дизайне и анализе A/B-тестов: метрики, сплиты, интерпретация результатов, рекомендации по выкатке решений.
- Разрабатывать и обучать модели (classic ML + DL).
- Передавать модель и код в продакшен (Python-сервис), сопровождать релизы и интеграции.
- Отвечать за качество модели после запуска: метрики, мониторинг, дрейф/деградации, план улучшений и регламенты поддержки.
Основные направления, которыми предстоит заниматься:
- Поиск гипотез для улучшения релевантности поисковой выдачи.
- Разработка новых признаков, обучение моделей ранжирования.
- Проектирование и проведение A/B-тестов, вывод решений в продакшен.
- Улучшение эксплуатационных характеристик ML-решений: наблюдаемость, надёжность, эффективность.
Для этого тебе понадобится:
- Опыт ведения ML-проектов end-to-end в продакшене (от постановки до поддержки).
- Отличное понимание классического ML: feature engineering, бустинги, классификация/регрессия, кросс-валидация, подбор порогов, калибровка.
- Опыт работы с поисковыми или рекомендательными системами.
- Опыт с DL (PyTorch/TensorFlow): понимание принципов fine-tuning, инференс моделей.
- Python (production-качество): читаемый код, тесты на критичные компоненты, понимание упаковки модели/артефактов и интеграции в сервис.
- Понимание мониторинга ML: метрики качества, дрейф, алерты, диагностика и регламенты поддержки.
- SQL на уровне самостоятельной сборки датасетов (joins, window functions).
- Опыт с интерпретируемостью и анализом ошибок модели.
- MLflow / W&B / DVC или аналогичные инструменты трекинга экспериментов.
- Оркестрация/пайплайны (Airflow/Prefect/Dagster) и продвинутые data-процессы.
- Английский на уровне В1 (intermediate).
-
Будет плюсом:
- Опыт работы с нейросетями в контексте векторного поиска, ранжирования, NLP, CV.
- Опыт работы с BigData: Hadoop, Spark.
