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.