ml engineer поиска в электронной торговле

Stellar Labs; United States; Ibrido; USD 110.000 - 170.000; Part-time

Descrizione del lavoro

Компания Nebelung занимается персонализацией и оптимизацией конверсии в онлайн-сегменте. Вакансия предполагает работу над ML-компонентами поиска, векторным поиском и переранжированием для улучшения релевантности результатов.

Вы будете анализировать качество ранжирования в OpenSearch, разрабатывать механизмы категоризации запросов и использование пользовательских событий как сигналов для обучения. Гибкий график, частичная занятость и влияние на архитектуру продукта ожидаются.

Competenze

• Опыт работы в ML или науке о данных от 2 лет.
• Уверенное знание Python.
• Практический опыт с информационного поиска, ранжирования, рекомендательных систем или NLP.
• Понимание принципов векторного поиска, embeddings и семантического поиска.
• Опыт разработки или интеграции моделей переранжирования.
• Понимание обучения ранжированию и подходов к обучению моделей ранжирования.
• Опыт работы с пользовательскими событиями: показы, клики, конверсии, добавления в корзину.
• Понимание формирования обучающих выборок для ранжирования, включая положительные и отрицательные примеры.
• Знание метрик качества поиска и ранжирования: NDCG, Precision@K, Recall@K, MRR.

Mansioni

• Развивать ML-компоненты поиска: векторный поиск, переранжирование и понимание запросов.
• Анализировать и улучшать качество ранжирования в OpenSearch.
• Разработать механизм категоризации поисковых запросов и определения пользовательского намерения.
• Использовать клики, конверсии и Add-to-cart как сигналы для ML-ранжирования.
• Формировать обучающие выборки на основе поисковых и пользовательских событий.
• Разрабатывать и улучшать модели переранжирования и гибридного поиска.
• Настроить оценку качества поиска с использованием метрик NDCG, Precision@K, Recall@K, MRR.
• Проводить эксперименты и участвовать в A/B-тестировании изменений ранжирования.
• Разрабатывать переиспользуемые ML-компоненты для поисковых решений на OpenSearch.

Conoscenze

Python

ML

NLP

Vector search

Embeddings

A/B testing

Strumenti

OpenSearch

Elasticsearch

Meilisearch

CatBoost

LightGBM

XGBoost

sentence-transformers

cross-encoders

ClickHouse

Descrizione del lavoro

Описание: Компания Nebelung специализируется на персонализации и оптимизации конверсии в онлайн-сегменте.

Задачи:

• Развивать ML-компоненты поиска в электронной торговле: векторный поиск, переранжирование и понимание запросов
• Анализировать и улучшать качество ранжирования в существующих проектах на OpenSearch
• Разработать механизм категоризации поисковых запросов и определения пользовательского намерения
• Использовать клики, добавления в корзину и конверсии как сигналы для ML-ранжирования и обучения ранжированию
• Формировать обучающие выборки на основе поисковых и пользовательских событий
• Разрабатывать и улучшать модели переранжирования и гибридного поиска
• Настроить оценку качества поиска с использованием метрик NDCG, Precision@K, Recall@K, MRR и других метрик
• Проводить эксперименты и участвовать в A/B-тестировании изменений ранжирования
• Разрабатывать переиспользуемые ML-компоненты для поисковых решений на OpenSearch

Требования:

• Опыт работы в машинном обучении или науке о данных от 2 лет
• Уверенное знание Python
• Практический опыт с задачами информационного поиска, ранжирования, рекомендательских систем или NLP
• Понимание принципов векторного поиска, embeddings и семантического поиска
• Опыт разработки или интеграции моделей переранжирования
• Понимание обучения ранжированию и подходов к обучению моделей ранжирования
• Опыт работы с пользовательскими событиями: показы, клики, добавления в корзину, конверсии
• Понимание принципов формирования обучающих выборок для задач ранжирования, включая положительные и отрицательные примеры
• Знание метрик качества поиска и ранжирования: NDCG, Precision@K, Recall@K, MRR
• Опыт работы с производственными данными и умение самостоятельно исследовать проблемы релевантности
• Будет плюсом: опыт с OpenSearch или Elasticsearch, Meilisearch, поиском в электронной торговле, CatBoost, LightGBM или XGBoost для задач ранжирования, sentence-transformers или cross-encoders, ClickHouse, классификацией запросов или определением намерений, проведением A/B-тестов поисковых алгоритмов

Условия:

• Гибкий график, ориентир на результат
• Работа над производственным поиском для реальных клиентов электронной торговли
• Возможность напрямую влиять на архитектуру машинного обучения 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
• Частичная занятость