Dex

Machine learning engineer in rewards platforms

Коротко

Middle ML-инженер в небольшую data/ML команду прибыльной rewards-платформы с 80 млн пользователей (Лондон, гибрид). Роль требует полного end-to-end владения задачей — от данных и модели до live-сервинга, построения и оптимизации структур вознаграждений и выплат. Нужен практический опыт production ML, сильная статистическая база (A/B-тесты, регрессия, желательно causal inference/uplift) и мотивация бизнес-результатом.</tldr> <parameter name="facts">{"city": "London", "country": "GB", "employment": "full_time", "industry": "other", "seniority": "mid", "skills": ["production ML", "A/B testing", "regression", "causal inference", "uplift modeling", "ML infrastructure", "model serving", "data pipelines"], "salary": {"currency": "RUB", "max": 2103000, "min": null, "period": "month"}, "work_mode": "hybrid"}

Описание
Компания создала прибыльную с первого дня (без внешних инвестиций) платформу вознаграждений с 80 миллионами пользователей. Модели, которые вы создаёте здесь, напрямую определяют, что видят пользователи и сколько зарабатывает компания — редкая возможность прямого влияния вашей работы на значимый бизнес-результат. Это одна из самых быстрорастущих компаний Европы, расширяющая свою data и ML-функцию в Лондоне. Вы присоединитесь к небольшой, целенаправленно компактной data и ML команде, владея всей поверхностью задачи полностью, end-to-end.
Задачи
•Разработка и запуск production ML-моделей, напрямую влияющих на вовлечённость пользователей и доходы компании.
•Перевод сложных математических бизнес-задач в конкретные ML-формулировки.
•Построение и оптимизация структур вознаграждений и выплат, балансируя мотивацию пользователей с устойчивостью затрат и ценностью для рекламодателей.
•Диагностика и устранение проблем в неэффективных кампаниях вознаграждений, выявление корневых причин и внедрение решений.
•Участие в проектировании и реализации core ML-инфраструктуры — от пайплайнов обучения до live-сервинга моделей.
Требования
•Реальный практический опыт в production ML — вы запускали модели end-to-end, а не передавали их другим для внедрения.
•Опыт работы со всем стеком задачи: пайплайн данных, модель и live-сервинг.
•Сильная база в статистике, включая A/B-тестирование, регрессию и теорию вероятностей, желательно с опытом причинно-следственного вывода (causal inference) или uplift-методов.
•Мотивация бизнес-влиянием не меньше, чем технической элегантностью, приоритет высокоэффективных решений.
•Желание строить ML-инфраструктуру вместе с командой, а не только использовать существующие системы.
Условия
Условий в вакансии нет.

Хватит откликаться.
Получите рекомендацию.

$10 стартовых кредитов

Всего 60 секунд, полностью на автопилоте — AI-агенты Eraldt читают ваше резюме, определяют подходящие роли, находят живые вакансии и людей, которые могут вас порекомендовать, пишут им личные письма и добиваются рекомендации.

Это не отклик на вакансию: резюме не уходит в компанию, а рекомендацию именно по этой роли мы не обещаем.

Посмотрите, кто ещё получает интервью на автопилоте