Twinby
Team Lead ML (RecSys)
Что JobRadar наблюдает сейчас
Балл строится только на фактах из источников: свежести подтверждения, возрасте записи и происхождении вакансии. Это не гарантия найма и не оценка работодателя.
Описание вакансии
О роли
Twinby — один из крупнейших российских дейтинг-сервисов с миллионами пользователей: реалтайм (лента, матчи, чаты), деньги (подписки, бусты, покупки), антифрод и модерация. Мы выстраиваем data- и ML-контур и собираем команду. Ищем Team Lead ML (RecSys) в департамент Data & ML — играющего тренера , который отвечает за рекомендательную систему и другие ML-проекты продукта.
Роль примерно на половину практическая (проектируешь и катишь ключевые модели, ревьюишь, разбираешь инциденты) и на половину лидерская (ведёшь небольшую ML-команду, ставишь процесс ML-разработки и приоритизируешь портфель).
Чем предстоит заниматься:
- Владеть рекомендательной системой end-to-end : кандидатная генерация, ранжирование, ре-ранжирование, cold start, exploration — для двустороннего дейтинг-продукта, где выдача должна устроить обе стороны.
- Отвечать за онлайн-результат : цель и метрики, мониторинг качества и дрейфа, откаты и разбор деградаций; A/B-эксперименты ведёшь вместе с продуктовым аналитиком, который отвечает за дизайн и статистику тестов.
- Брать смежные ML-проекты : Trust & Safety (боты и фермы, фрод, модерация, liveness), монетизация и retention (churn, uplift, персональные офферы), NLP по чатам (токсичность, спам, мошеннические сценарии).
- Строить команду и процесс : растить людей, ставить ревью и процесс «гипотеза → офлайн → онлайн-эксперимент → прод → мониторинг», выбирать, что делать и чего не делать.
- Работать с дата-платформой и аналитикой : формулировать требования к логированию показов, фичам и метрикам; вместе выстраивать доверенные данные под ML.
- Писать код сам там, где это даёт максимальный рычаг: дизайн и ключевые модели, критичные пайплайны, ревью.
Что мы ждём:
- Опыт production-рекомендательных систем — система в проде, за онлайн-результат которой ты отвечал (лента, ранжирование, каталог, матчинг).
- Deep learning на практике : PyTorch (или эквивалент), нейросетевое ранжирование и retrieval (two-tower, sequence-модели, multi-task)…
Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.