ML-инженер рекомендательных систем

Камаев Богдан Эльмарович; United States; Hybrid; USD 120,000 - 190,000; Full time

Benefits offered by this job

ДМС

Бонусы и премии по результатам

Обучение за счёт компании

Компенсация спорта

Job summary

Компания в США ищет инженера по машинному обучению для разработки и роста качества рекомендательных систем и персонализации на базе миллионов пользователей. Задачи включают генерацию кандидатов, ранжирование и реранкинг, а также внедрение моделей в production и анализ их эффекта в A/B-тестах.

Требуется уверенный Python и SQL, опыт работы с большими данными, обучение и оценка моделей, а также знание современных подходов к ранжированию и эмбеддингам.

Qualifications

• Уверенный опыт разработки рекомендательных систем или поискового ранжирования в продакшене.
• Глубокие знания Python и SQL.
• Опыт работы с большими данными: Spark, Hadoop.
• Опыт обучения и оценки моделей, A/B тестирования.
• Знание embedding, коллаборативной фильтрации, learning to rank.
• Опыт работы с CatBoost, LightGBM, XGBoost, PyTorch.
• Опыт внедрения моделей в продакшн.
• Умение общаться на английском.

Responsibilities

• Развивать многостадийную рекомендательную систему: кандидатогенерация, ранжирование, реранкинг.
• Обучать и улучшать модели: коллаборативная фильтрация, two-tower, boosting.
• Решать проблемы холодного старта, разнообразия и популярности выдачи.
• Строить фичи и пайплайны данных на больших объёмах (Spark, Airflow).
• Выводить модели в production и следить за их качеством.
• Оценивать качество офлайн/онлайн с метриками NDCG, MAP, Recall@K.
• Генерировать ML-гипотезы и проверять их вместе с аналитиками.

Skills

Python

SQL

Spark

PyTorch

CatBoost

LightGBM

XGBoost

Hadoop

A/B-тесты

Git

LLM в рекомендациях

Английский

Education

Техническое образование

Tools

FAISS

HNSW

Spark

Airflow

Job description

Описание: 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.

Задачи

• 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