ML Engineer / Data Scientist (Middle / Middle+)

Ищем ML Engineer / Data Scientist уровня Middle или Middle+ для работы с рекомендательными системами. Основной фокус — классическое машинное обучение, развитие и улучшение существующих моделей, работа с данными и ML-пайплайнами. Важно уметь самостоятельно решать технические задачи, оценивать качество моделей и находить возможности для улучшения рекомендаций.

Обязанности:

-

Развитие и поддержка существующих рекомендательных систем.

-

Обучение, тестирование и улучшение ML-моделей.

-

Работа с данными: подготовка датасетов, feature engineering и добавление новых признаков.

-

Разработка и оценка моделей ранжирования (ranking / reranking).

-

Анализ качества рекомендаций, сравнение результатов моделей и оценка latency.

-

Развитие и поддержка ML-пайплайнов, в том числе с использованием Airflow.

-

Оценка эффективности моделей и анализ результатов экспериментов.

-

Участие в A/B-тестировании и базовом мониторинге качества моделей.

Требования:

-

Уверенное владение Python.

-

Практический опыт с классическим ML: классификация, регрессия, ранжирование.

-

Опыт работы с бустингами: CatBoost, LightGBM, XGBoost.

-

Знание и практический опыт работы с PyTorch.

-

Понимание основных алгоритмов машинного обучения, базовой теории вероятностей и статистики.

-

Опыт работы с данными и построения ML-пайплайнов.

-

Умение самостоятельно вести задачи от анализа проблемы до оценки результата.

Будет преимуществом:

-

Коммерческий опыт разработки рекомендательных систем (RecSys).

-

Опыт работы с ranking / reranking-моделями.

-

Знание ALS и других подходов к построению рекомендаций.

-

Опыт работы с Airflow.

-

Опыт проведения A/B-тестов и оценки качества моделей.

-

Опыт применения LLM для решения задач машинного обучения, например для feature engineering.

-

Опыт работы с продуктовыми ML-системами и понимание особенностей их эксплуатации.

Условия:

-

Полностью удалённая работа.

-

Работа над развитием существующих ML-сервисов и рекомендательных систем.

-

Возможность самостоятельно влиять на технические решения и качество моделей.

-

Команда, ориентированная на развитие ML-инфраструктуры, моделей и рекомендательных сервисов.

-

Минимум регулярных встреч и возможность сосредоточиться на технических задачах.