ML Engineer (offline recommendations) (удаленная работа)

15 мая 2025

Уровень зарплаты:
з.п. не указана
Требуемый опыт работы:
Не указан

Вакансия: ML Engineer (offline recommendations)

Описание вакансии

Мы предлагаем тебе уникальную возможность заниматься разработкой музыкальных рекомендательных сценариев и внедрением решений на основе машинного обучения в продакшен. В твоем распоряжении будет огромный массив данных около 100 млн треков, который продолжает расти.

Чем нужно будет заниматься:

  • Разработка и развитие офф-лайн музыкальных и не музыкальных (книги/подкасты) рекомендательных сценариев на основе классического ML и DL
  • Создание новых фичей приложения - например обновляемая "лента" плейлистов, бесконечные воспроизведения по треку и артисту, плейлисты под жизненные ситуации
  • Внедрение разработанных решений в продакшен, включая интеграцию с существующими системами
  • Полный цикл мониторинга и поддержки внедренных решений
  • Анализ качества рекомендаций, поиск проблемных зон и проведение A/B тестов для оценки эффективности сценариев

Требования:

  • Техническое образование
  • Опыт работы в области Data Science / Machine Learning от 3 лет
  • Опыт разработки рекомендательных систем от 1 года
  • Опыт реализации и внедрения моделей машинного обучения в продакшен
  • Уверенное знание алгоритмов машинного обучения, включая глубокое понимание рекомендательных систем (RecSys)
  • Способность самостоятельно исследовать новые подходы в ML, читать научные статьи на английском и воспроизводить их на практике
  • Владение Python 3 на уровне разработчика
  • Опыт работы с библиотеками и фреймворками:

    • Для рекомендательных систем: Implicit, LightFM, RecTools, RecBole
    • Для глубокого обучения: PyTorch, SAS4Rec
    • Для классического ML: CatBoost, Scikit-learn
    • Для работы с данными: SQL, PySpark, Pandas, Polars
    • Для инфраструктуры: HDFS, Docker, Airflow, Kubernetes, Redis, FastAPI
    • Для поиска ближайших соседей (ANN): Qdrant/OpenSearch или аналоги

Будет плюсом:

  • Опыт работы с музыкальными рекомендациями
  • Опыт работы с распределенными вычислениями и большими данными