Team Lead ML (RecSys) (удаленная работа)

Вакансия: Team Lead ML (RecSys)

Описание вакансии

О роли

Twinby один из крупнейших российских дейтинг-сервисов с миллионами пользователей: реалтайм (лента, матчи, чаты), деньги (подписки, бусты, покупки), антифрод и модерация. Мы выстраиваем data- и ML-контур и собираем команду. Ищем Team Lead ML (RecSys) в департамент Data & ML играющего тренера , который отвечает за рекомендательную систему и другие ML-проекты продукта.

Роль примерно на половину практическая (проектируешь и катишь ключевые модели, ревьюишь, разбираешь инциденты) и на половину лидерская (ведёшь небольшую ML-команду, ставишь процесс ML-разработки и приоритизируешь портфель).

Чем предстоит заниматься:

• Владеть рекомендательной системой end-to-end : кандидатная генерация, ранжирование, ре-ранжирование, cold start, exploration для двустороннего дейтинг-продукта, где выдача должна устроить обе стороны.

• Отвечать за онлайн-результат : цель и метрики, мониторинг качества и дрейфа, откаты и разбор деградаций; A/B-эксперименты ведёшь вместе с продуктовым аналитиком, который отвечает за дизайн и статистику тестов.

• Брать смежные ML-проекты : Trust & Safety (боты и фермы, фрод, модерация, liveness), монетизация и retention (churn, uplift, персональные офферы), NLP по чатам (токсичность, спам, мошеннические сценарии).

• Строить команду и процесс : растить людей, ставить ревью и процесс гипотеза офлайн онлайн-эксперимент прод мониторинг , выбирать, что делать и чего не делать.

• Работать с дата-платформой и аналитикой : формулировать требования к логированию показов, фичам и метрикам; вместе выстраивать доверенные данные под ML.

• Писать код сам там, где это даёт максимальный рычаг: дизайн и ключевые модели, критичные пайплайны, ревью.

Что мы ждём:

• Опыт production-рекомендательных систем не ноутбуки, а система в проде, за онлайн-результат которой ты отвечал (лента, ранжирование, каталог, матчинг).

• Deep learning на практике : PyTorch (или эквивалент), нейросетевое ранжирование и retrieval (two-tower, sequence-модели, multi-task), обучение на больших данных, оптимизация инференса.

• NLP : современные модели для текста (трансформеры, эмбеддинги, fine-tuning), классификация и ранжирование по пользовательскому тексту токсичность, спам, мошеннические сценарии, поиск похожего.

• Классический ML рядом с DL : градиентный бустинг (CatBoost / LightGBM), фичи, оценка; умение выбрать простое решение, когда глубокое не нужно.

• Уверенный Python, умение написать и вывести модель в прод; понимание, почему офлайн-метрика не равна онлайн-эффекту (смещения, петля обратной связи, дрейф).

• Инстинкт доверия к данным: мониторинг, воспроизводимость, версионирование, тесты на данные.

Будет плюсом:

• Опыт лидерства : вёл людей (формально или как техлид), нанимал, растил, выстраивал процесс. Если не вёл важно, что хочешь и готов расти в эту сторону.

• Опыт онлайн-экспериментов для рекомендаций (интерференция, долгосрочные эффекты, мощность) дизайн тестов на нашей стороне ведёт продуктовый аналитик, но понимание ценно.

• Reciprocal-рекомендации, двусторонние рынки (job-платформы, маркетплейсы, такси, дейтинг).

• Опыт Trust & Safety / антифрода (боты, фрод, модерация, liveness), computer vision.

• Опыт монетизации: uplift, churn, бандиты по офферам.

• Опыт с ClickHouse, Airflow, векторным поиском.

• Публикации, доклады, менторство.

Чего НЕ требуем

Идеального знания именно нашего стека, заученных формул без понимания, , опыта дизайна A/B-тестов с нуля .

Что предлагаем:

• Реальное владение : рекомендательная система и ML-портфель продукта твои.

• Возможность построить ML с честного фундамента: сначала доверенные данные и метрики, потом модели.

• Автономия в том, как устроены ML-процесс и команда; цели и приоритеты обсуждаешь с Head of Data.

• Богатая фактура дейтинга: взаимность, перекос по полу, безопасность живых людей, чат, монетизация.

• Трудоустройство по ТК РФ.

• Формат работы - удаленный.