ML Engineer / Инженер по машинному обучению

Мы IT-компания с многолетним опытом на рынке, штатом до 1000 человек, ищем опытного ML Engineer, который будет отвечать за разработку, внедрение и оптимизацию ML-моделей, в особенности для рекомендательных систем с онлайн-инференсом. Ваша работа напрямую повлияет на персонализацию пользовательского опыта и рост бизнес-показателей.

Основные задачи:

• разработка высоконагруженных систем машинного обучения, акцент на рекомендательные сервисы в режиме реального времени;
• участие в проектировании архитектуры ML platform, определение технических требований и подходов;
• разработка и оптимизация алгоритмов рекомендаций (коллаборативная фильтрация, контентно-ориентированные подходы, гибридные модели);
• создание решений для персонализации товаров, поиска похожих товаров и других рекомендательных функций;
• построение модели для анализа изображений товаров (классификация, поиск по визуальному сходству);
• внедрение системы прогнозирования ключевых операционных показателей.

Ожидания от кандидата:

• 4+ года опыта разработки ML-решений in production (не research, не pet projects);
• опыт проектирования и создания рекомендательных систем, работающих в режиме реального времени с измеримым business impact;
• хорошее понимание ML-метрик и A/B тестирования (дизайн, запуск, анализ);
• высокая автономность: проектирование системы от идеи до production;
• уверенное владение Python (production-grade код);
• навыки реального обучения моделей, не только inference (PyTorch или TensorFlow);
• умение дебажить ООМ, писать эффективные jobs (Apache Spark (PySpark));
• навыки работы со сложными аналитическими запросами в SQL;
• опыт с Linux, Git, Docker.

Важно:

• понимание разницы между ML model и lookup table;
• знание, когда нужен ML, а когда достаточно правил;
• умение объяснить trade-offs: latency vs accuracy, complexity vs maintainability;
• способность валидировать результаты (не фейковые метрики).

Желательно:

• знание RecSys алгоритмов на практике: collaborative filtering, matrix factorization, two-tower, graph-based;
• опыт с Vector databases: Qdrant, Milvus, Pinecone (реальные проекты);
• навыки с Feature stores: Feast, Tecton;
• MLOps: MLflow, experiment tracking, model registry;
• опыт с Kubernetes, cloud (AWS/Yandex Cloud);
• е-commerce domain knowledge.

Условия и компенсации готовы обсуждать с кандидатами на интервью.

Заранее благодарим за отклик!