Описание
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.
Задачи
•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 плюсом
•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.
