Описание
AVIV Group управляет несколькими известными в Европе платформами недвижимости, и каждая из них зависит от доверия: людям нужно найти дом или арендатора, а не мошенника или мёртвое объявление. Trust & Safety существует, чтобы защищать этот опыт, и наша главная метрика — доля лидов, которые идут от хороших посетителей к хорошим объявлениям. Мы ищем Machine Learning Engineer для создания систем, стоящих за этим: от скоринга риска идентичности до обнаружения фрод-колец и проверки целостности объявлений.
Задачи
•Проектировать, обучать и внедрять системы: скоринг риска идентичности, обнаружение фрода и фрод-колец, скоринг целостности объявлений, обнаружение дублей и повторных публикаций, а также поведенческие сигналы с обеих сторон маркетплейса.
•Строить модели и циклы переобучения, устойчивые к адаптации злоумышленников, выявлять плохие объявления до того, как на них поступят жалобы, относиться к ложноположительным срабатываниям так же серьёзно, как к ложноотрицательным — ведь ложноположительное срабатывание означает честного владельца, который не может опубликовать своё жильё.
•Проводить тщательные эксперименты с учётом адверсариального дрифта и петель обратной связи, где меры принуждения меняют данные для будущего обучения, и давать честный анализ, когда офлайн- и онлайн-результаты расходятся.
•Связывать решения ревьюеров с обучением модели и направлять неопределённые случаи на ревью, интегрируясь с инструментами модерации, такими как Implio, и измеряя весь цикл.
•Внедрять скоринг целостности и репутации, которые станут входными данными для ранжирования поиска и рекомендаций.
•Отвечать за serving, мониторинг, SLO и часть дежурств (on-call) по тому, что вы запускаете, строить пайплайны и инфраструктуру оценки, нужные команде, пока общая ML/AI платформа группы развивается, и усиливать команду через дизайн-ревью, менторство и документацию, делающую хорошие решения повторяемыми.
Требования
•Опыт внедрения в продакшн не менее 3 ML-систем значимого масштаба, как правило около 6+ лет инженерного опыта для уровня Senior и 8+ лет для Staff.
•Практический опыт в адверсариальном домене или домене целостности данных: обнаружение фрода, борьба с абьюзом, спамом, модерация контента, скоринг риска или безопасность аккаунтов.
•Хорошее понимание классификации с несбалансированными, высокорисковыми данными: трейд-оффы precision/recall с реальной ценой обеих ошибок, проектирование порогов и политик, калибровка.
•Опыт оценки моделей в системах с петлями обратной связи, понимание того, как меры принуждения искажают будущие тренировочные данные, и практический опыт работы с этим.
•Сильные инженерные основы: продакшн-качественный код, надёжные пайплайны данных и воспроизводимая работа.
•Техническое влияние за пределами собственной работы, а также ясная коммуникация о неопределённости с инженерами, партнёрами по политике и операциям и руководством, включая случаи, когда честный ответ — «мы пока не знаем».
Будет плюсом:
•Graph-based обнаружение (фрод-кольца, графы идентичности, связи устройств и платежей).
•LLM-подходы к работе с доверием (понимание контента для модерации, обнаружение паттернов скама, LLM-assisted review).
•Опыт работы рядом с операциями ручного ревью (маршрутизация на основе неопределённости, active learning из очередей модерации).
•Опыт в маркетплейсе или классифайдах.
•Знакомство с регулированием ЕС для платформ, таким как DSA.
Условия
Условия в вакансии не указаны.
