ML Engineer (MusicSearch)

Команда Поиска ищет ML Engineer в MusicSearch. Мы создаём поисковый движок, который позволяет ассистенту на устройствах находить нужный трек, исполнителя, плейлист или подкаст.

Ты будешь работать с архитектурой поискового движка, индексом, ML-моделями ранжирования и персонализацией выдачи. Основной фокус роли — развитие ML-движка поиска и внедрение современных подходов в ранжировании и retrieval: гибридный retrieval, BERT/Transformer-модели, Learning to Rank, персонализация, OpenSearch/Elasticsearch, CatBoost, Airflow и PySpark.

Обязанности

• участвовать в улучшении качества поиска: от офлайн-метрик ранжирования до стабильности ранжирования в проде

• разрабатывать и внедрять модели ранжирования Learning to Rank для повышения релевантности поисковой выдачи

• обучать и улучшать LTR-модели на базе классического ML и градиентного бустинга: CatBoost, LightGBM или XGBoost

• работать с BERT/NLP-моделями для векторизации запросов, документов и объектов музыкального каталога

• развивать гибридный retrieval-пайплайн: lexical search на базе OpenSearch/Elasticsearch, dense retrieval на BERT/Transformer-эмбеддингах и ML-reranking на LTR-моделях

• участвовать в обновлении и перестроении индекса для улучшения качества и скорости поиска

• разрабатывать запросно-независимые и запросно-зависимые фичи для ранжирования персонализирующие фичи на основе действий пользователя, истории прослушиваний, кликов, пропусков, лайков и других сигналов

• развивать пайплайны оценки и переоценки качества поиска

• готовить обучающие датасеты для ранжирования на основе логов, кликов, прослушиваний, ручной разметки и implicit feedback

• участвовать в A/B-тестах поисковых изменений и анализе результатов

• развивать ML-пайплайны в Airflow

• работать с большими объёмами логов и фичей с использованием PySpark

• взаимодействовать с командой инфраструктуры при внедрении моделей ранжирования и новых фичей в production

Требования

• практический опыт в задачах ранжирования / поиска / рекомендаций / NLP от 3 лет

• опыт работы с классическим ML и градиентным бустингом: CatBoost, LightGBM или XGBoost

• опыт feature engineering для задач ранжирования, поиска или рекомендаций

• опыт работы с BERT / Transformer-моделями для NLP-задач: эмбеддинги, семантический поиск, matching query-document или reranking

• понимание принципов lexical search, dense retrieval и ML-reranking

• понимание, какие метрики применять в разных классах поисковых задач

• опыт работы с Airflow или другими оркестраторами задач для ML/data-пайплайнов

• опыт работы с большими данными: PySpark, SQL или аналогичные инструменты

• уверенное владение Python, умение писать читаемый и поддерживаемый код

Будет плюсом:

• опыт production-эксплуатации моделей ранжирования

• опыт построения гибридного или векторного поиска

• опыт с retrieval-частью RAG-систем: чанкинг, эмбеддинги, retriever, reranker, оценка релевантности

• опыт A/B-тестирования и оценки качества поиска

• понимание типов событий и логов вокруг поиска, создание фичей на их основе

• опыт работы с OpenSearch / Elasticsearch в highload-системах

• опыт работы с векторным поиском и ANN-индексами: FAISS, HNSW, OpenSearch vector search, Elasticsearch vector search

• опыт построения мониторинга и алертинга для ML-моделей

• опыт анализа деградации качества ранжирования в проде

Условия

• гибридный формат работы (м Новослободская)
• ежегодный пересмотр зарплаты, годовой бонус
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера
• корпоративная пенсионная программа.