ML Engineer / Инженер по машинному обучению (удаленная работа)

Вакансия: ML Engineer / Инженер по машинному обучению

Описание вакансии

Мы IT-компания с многолетнем опытом на рынке, штатом до 1000 человек, ищем опытного ML Engineer, который будет отвечать за разработку, внедрение и оптимизацию ML-моделей, в особенности для рекомендательных систем с онлайн-инференсом. Ваша работа напрямую повлияет на персонализацию пользовательского опыта и рост бизнес-показателей.

Основные задачи :

• Разработка высоконагруженных систем машинного обучения, акцент на рекомендательные сервисы в режиме реального времени
• Участие в проектировании архитектуры ML platform, определение технических требований и подходов
• Разработка и оптимизация алгоритмов рекомендаций (коллаборативная фильтрация, контентно-ориентированные подходы, гибридные модели)
• Создание решений для персонализации товаров, поиска похожих товаров и других рекомендательных функций
• Построение модели для анализа изображений товаров (классификация, поиск по визуальному сходству)
• Внедрение системы прогнозирования ключевых операционных показателей

Ожидания от кандидата:

• 4+ года опыта разработки ML-решений in production (не research, не pet projects)
• Опыт проектирования и создания рекомендательных систем, работающих в режиме реального времени с измеримым business impact
• Хорошее понимание ML-метрик и A/B тестирования (дизайн, запуск, анализ)
• Высокая автономность: проектирование системы от идеи до production
• Уверенное владение Python (production-grade код),
• Навыки реального обучения моделей, не только inference (PyTorch или TensorFlow)
• Умение дебажить ООМ, писать эффективные jobs (Apache Spark (PySpark))
• Навыки работы со сложными аналитическими запросами в SQL
• Опыт с Linux, Git, Docker

Важно:

• Понимание разницы между ML model и lookup table
• Знание, когда нужен ML, а когда достаточно правил
• Умение объяснить trade-offs: latency vs accuracy, complexity vs maintainability
• Способность валидировать результаты (не фейковые метрики)

Желательно:

• Знание RecSys алгоритмов на практике: collaborative filtering, matrix factorization, two-tower, graph-based
• Опыт с Vector databases: Qdrant, Milvus, Pinecone (реальные проекты)
• Навыки с Feature stores: Feast, Tecton
• MLOps: MLflow, experiment tracking, model registry
• Опыт с Kubernetes, cloud (AWS/Yandex Cloud)
• E-commerce domain knowledge

Условия и компенсации готовы обсуждать с кандидатами на интервью.

Заранее благодарим за отклик!