ml engineer рекомендательных систем

Wildberries; United States; On-site; USD 120,000 - 190,000; Full time

Benefits offered by this job

Language clubs

Dental insurance

Corporate sports

Counseling services

Interest groups

Work-life flexibility

Education discounts

Free office meals

Metro-adjacent offices

Job summary

HireHi ищет опытного инженера по рекомендательным системам для разработки и оптимизации мультимодальных моделей и конвейеров обработки данных. Вы будете работать над внедрением современных подходов к ранжированию и векторным представлениям, объединяя табличные и контентные признаки, проверяя решения.

Требуется 5+ лет опыта ML, знание архитектур рекомендательных систем, DL и VLM, а также навыки PySpark и Python-стека. Условия гибкие, офис в Москве/США, возможность удаленной部分 работы обсуждается.

Qualifications

• Опыт работы в области машинного обучения от 5 лет.
• Опыт разработки рекомендательных систем в продуктах, понимание подходов, принципов и архитектуры.
• Глубокие знания классического машинного обучения и опыт работы с современным стеком моделей.
• Практические навыки работы с Polars/Pandas для ETL, NumPy, SciPy, Scikit-learn, XGBoost/LightGBM/CatBoost
• Опыт разработки конвейеров обучения и сериализации моделей
• Базовый опыт построения ETL-процессов с PySpark
• Уверенное знание алгоритмов и структур данных, глубокие знания DL и CLIP/VLM, понимание архитектур трансформеров и мультимодальных моделей
• Опыт работы с современными LLM/VLM-моделями и обучения мультимодальных векторных моделей
• Желание развивать современные подходы в рекомендациях
• Будет плюсом: опыт работы с векторными базами данных и инструментами ANN для быстрого поиска

Responsibilities

• Разрабатывать алгоритмы рекомендаций похожих и сопутствующих товаров
• Повышать релевантность рекомендаций для увеличения средней корзины и конверсии
• Оптимизировать и перестраивать конвейер подготовки данных и обучения моделей
• Обучать модели ранжирования и эмбеддинговые модели, объединять табличные и контентные признаки, проверять решения
• Исследовать, проверять и адаптировать современные подходы VLM

Skills

ML experience

Recommender systems

Classic ML

Python data stack

Model pipelines

PySpark ETL

DL & CLIP/VLM

LLM/VLM experience

R&D passion

Vector DB/ANN

Tools

Polars/Pandas

PySpark

XGBoost/LightGBM/CatBoost

Job description

Описание

Команда товарных рекомендаций помогает пользователям находить интересные товары в большом ассортименте, а также подбирает похожие и сопутствующие товары.

Задачи

• Разрабатывать алгоритмы рекомендаций похожих и сопутствующих товаров
• Повышать релевантность рекомендаций для увеличения средней корзины и конверсии
• Оптимизировать и перестраивать конвейер подготовки данных и обучения моделей
• Обучать модели ранжирования и эмбеддинговые модели, объединять табличные и контентные признаки, проверять решения
• Исследовать, проверять и адаптировать современные подходы VLM

Требования

• Опыт работы в области машинного обучения от 5 лет
• Опыт разработки рекомендательных систем в продуктах, понимание подходов, принципов и архитектуры
• Глубокие знания классического машинного обучения и опыт работы с современным стеком моделей
• Практические навыки работы с Polars/Pandas для ETL, NumPy, SciPy, Scikit-learn, XGBoost/LightGBM/CatBoost
• Опыт разработки конвейеров обучения и сериализации моделей
• Базовый опыт построения ETL-процессов с PySpark
• Уверенное знание алгоритмов и структур данных, глубокие знания DL и CLIP/VLM, понимание архитектур трансформеров и мультимодальных моделей
• Опыт работы с современными LLM/VLM-моделями и обучения мультимодальных векторных моделей
• Желание развивать современные подходы в рекомендациях
• Будет плюсом: опыт работы с векторными базами данных и инструментами ANN для быстрого поиска

Условия

• Языковые клубы, корпоративный университет и программы развития управленческих навыков
• Корпоративный пакет ДМС со стоматологией, корпоративный спорт и консультации психолога
• Сообщества по интересам: выступления, футбол, йога и шахматы
• Гибкий подход к сочетанию карьеры и заботы о близких, проекты для детей сотрудников
• Скидки на обучение, страхование и покупки
• Бесплатное питание в офисе, современные офисы рядом с метро, корпоративная техника и портал для сотрудников