ML Engineer (Search & Ranking)

ODS Serbia; Time; Remote; NOK 900,000 - 1,200,000; Full time

Job summary

Stellar Labs Nebelung ищет ML Engineer для развития ML-части e-commerce поиска: векторный поиск, reranking и understanding запросов. Работа с реальными пользователями и данными в production-проектах на OpenSearch.

Требуется опыт в ML, IR и NLP, знание Python, а также навыки построения и оценки ранжирования списка результатов. Удаленная работа, гибкий график, возможность влиять на архитектуру продукта.

Qualifications

• Опыт работы с ML/DS не менее 2 лет.
• Уверенное знание Python.
• Опыт в Information Retrieval, Search, Ranking, Recommendation Systems или NLP.

Responsibilities

• Развивать ML-компоненты e-commerce поиска: векторный поиск, reranking и query understanding.
• Анализировать и улучшать качество ранжирования на OpenSearch/Elasticsearch.
• Разработать механизм категоризации поисковых запросов и определения пользовательского интента.
• Использовать клики/конверсии как сигналы для ML-ранжирования.
• Формировать обучающие выборки на основе поисковых и пользовательских событий.
• Разрабатывать и улучшать модели reranking и hybrid search.
• Настроить оценку качества поиска (NDCG, Precision@K, Recall@K, MRR).
• Проводить эксперименты и участвовать в A/B-тестировании.

Skills

Python

Information Retrieval

ML

NLP

Vector search

Semantic search

Ranking

Learning-to-Rank

A/B тестирование

Production data

Tools

OpenSearch

Elasticsearch

Meilisearch

CatBoost

LightGBM

XGBoost

sentence-transformers

cross-encoders

ClickHouse

Job description

Ищем ML Engineer для развития ML-части e-commerce поиска: vector search, reranking, query understanding и ranking на основе click/conversion signals. В работе production проекты на OpenSearch реальные пользовательские данные и задачи Search Relevance.

About The Company

Company Stellar Labs Nebelung - IT-компания, специализирующаяся на персонализации и оптимизации конверсии в онлайн-сегменте.

Responsibilities

• Развивать ML-компоненты e-commerce поиска: векторный поиск, reranking и query understanding.
• Анализировать и улучшать качество ранжирования в существующих проектах на OpenSearch.
• Разработать механизм категоризации поисковых запросов и определения пользовательского интента.
• Использовать клики, добавления в корзину и конверсии как сигналы для ML-ранжирования / Learning-to-Rank.
• Формировать обучающие выборки на основе поисковых и пользовательских событий.
• Разрабатывать и улучшать модели reranking и hybrid search.
• Настроить оценку качества поиска с использованием NDCG, Precision@K, Recall@K, MRR и других метрик.
• Проводить эксперименты и участвовать в A/B-тестировании изменений ранзирования.
• Разрабатывать переиспользуемые ML-компоненты для поисковых решений на OpenSearch

Requirements

• Опыт работы в Machine Learning / Data Science от 2 лет.
• Уверенное знание Python.
• Практический опыт с задачами Information Retrieval, Search, Ranking, Recommendation Systems или NLP.
• Понимание принципов vector search, embeddings и semantic search.
• Опыт разработки или интеграции reranking-моделей.
• Понимание Learning-to-Rank и подходов к обучению моделей ранжирования.
• Опыт работы с пользовательскими событиями: impressions, clicks, add-to-cart, conversions.
• Понимание принципов формирования обучающих выборок для ranking-задач, включая positive/negative samples.
• Знание метрик качества поиска и ранжирования: NDCG, Precision@K, Recall@K, MRR.
• Опыт работы с production-данными и ability to independently investigate relevance issues.
• Опыт с OpenSearch / Elasticsearch.
• Опыт с Meilisearch.
• Опыт в e-commerce search.
• Опыт с CatBoost / LightGBM / XGBoost для ranking-задач.
• Опыт с sentence-transformers / cross-encoders.
• Опыт с ClickHouse.
• Опыт построения query classification / intent detection.
• Опыт проведения A/B-тестов поисковых алгоритмов.

Working conditions

• Удалённый формат работы.
• Гибкий график, ориентируемся на результат.
• Работа над production-поиском для реальных e-commerce клиентов.
• Возможность напрямую влиять на ML-архитектуру продукта и подходы к ранжированию.
• Доступ к реальным поисковым данным, пользовательским событиям и результатам экспериментов.
• Формат сотрудничества обсуждается индивидуально.
• Уровень вознаграждения зависит от опыта и формата занятости.

Posted: October 9 at 11:14 AM

Contacts

Olegs Orlovs