ML-инженер RecSys

ML-инженер (рекомендательные системы)

Мы развиваем рекомендации и персонализацию в продукте с миллионами пользователей: ленты, подборки, поиск и ранжирование выдачи. Рекомендательная система уже работает в проде, и мы ищем инженера, который будет растить её качество и продуктовые метрики.

Если ты умеешь не только обучить модель ранжирования, но и доказать её эффект в A/B-тесте — ждём тебя.

Обязанности

• Развивать многостадийную рекомендательную систему: кандидатогенерация, ранжирование, реранкинг;

• Обучать и улучшать модели: коллаборативная фильтрация (ALS, implicit), two-tower, бустинги для ранжирования (CatBoost, LightGBM), sequential-модели;

• Решать проблемы холодного старта, разнообразия и популярности в выдаче;

• Строить фичи и пайплайны данных на больших объёмах (Spark, Airflow);

• Выводить модели в production и следить за их качеством;

• Оценивать качество: офлайн-метрики (NDCG, MAP, Recall@K, coverage) и онлайн A/B-тесты;

• Генерировать продуктовые ML-гипотезы и проверять их вместе с аналитиками.

Требования

• Уверенный Python и SQL;

• Опыт разработки рекомендательных систем или поискового ранжирования в продакшене;

• Знание подходов: коллаборативная фильтрация, learning to rank (pointwise, pairwise, listwise), эмбеддинги;

• Опыт с бустингами (CatBoost, LightGBM, XGBoost) и PyTorch;

• Опыт работы с большими данными: Spark / PySpark, Hadoop;

• Опыт проведения и анализа A/B-тестов;

• Git, культура код-ревью;

• Опыт от 3 лет.

Будет плюсом

• Опыт с sequential-рекомендациями: SASRec, BERT4Rec;

• Опыт ANN-поиска: FAISS, HNSW;

• Опыт с CTR-моделями и рекламным ранжированием;

• Применение LLM в рекомендациях и поиске;

• Английский для чтения документации и статей;

• Профильное техническое образование.

Условия

• Удалённо или гибрид;

• ДМС;

• Бонусы и премии по результатам;

• Оформление по ТК РФ;

• Компенсация спорта;

• Обучение за счёт компании, участие в конференциях.

•