ML Team Lead (NLP) в Дзен

Мы — команда, которая разрабатывает и поддерживает контентные модели для всех сервисов рекомендательной платформы. Наши модели влияют на качество рекомендаций в масштабе продукта: от понимания контента до генеративных сценариев и персонализации. Работаем в research-ориентированной среде, быстро проверяем гипотезы и доводим решения до production.

Примеры задач команды: задачи классификации текстового контента, NER, проекты, связанные с генерацией, классический ML и NLP. Например, задача саммаризации текстовых документов.

Задачи руководителя

• Формировать техническое видение контентных моделей и их роли в рекомендательной платформе: roadmap, приоритеты, качество, скорость внедрения
• Управлять командой ML/DL-инженеров и исследователей: подбор, развитие, регулярный фидбэк, построение процессов (планирование, ревью, обмен знаниями)
• Отвечать за полный ML lifecycle: от сбора данных и построения моделей до внедрения и мониторинга качества
• Координировать эксперименты и R&D: постановка гипотез, дизайн экспериментов, A/B, интерпретация результатов и принятие решений
• Развивать направление LLM: применение LLM для сложных пользовательских задач, проектирование и интеграция в продукт
• Обеспечивать production-ready качество: надёжность, воспроизводимость, мониторинг метрик
• Оптимизировать инференс и стоимость: ускорение DL/LLM (квантование, дистилляция, TensorRT-LLM и аналоги)
• Вести коммуникацию со смежными командами (рекомендации, продукт, инфраструктура, аналитика): синхронизация требований, интеграции, договорённости по метрикам
• Работать с мощной инфраструктурой (в том числе GPU H100/кластеры): планирование ресурсов, повышение утилизации

Требования

• Опыт руководства ML/DS/Research-командой более года
• Общий опыт в ML/DL 5+ лет, выраженная экспертиза в NLP и современных Transformer-архитектурах
• Глубокое понимание метрик качества (offline/online), умение связывать модельные улучшения с бизнес-результатами
• Практический опыт PyTorch + Hugging Face
• Опыт построения end-to-end ML-пайплайнов: подготовка данных, обучение, валидация, деплой, мониторинг, воспроизводимость
• Понимание/опыт работы с LLM, включая fine-tuning/адаптацию, промптинг, RAG
• Знание методов ускорения и оптимизации инференса: квантование, дистилляция, оптимизация вычислений
• Сильные навыки коммуникации: умение вести дискуссии, защищать решения, объединять людей вокруг целей