ML Engineer (MusicSearch)
СБЕР
Москва
🏢 Офис
Middle
Полная занятость
Россия
Описание вакансии
Команда Поиска ищет ML Engineer в MusicSearch. Мы создаём поисковый движок, который позволяет ассистенту на устройствах находить нужный трек, исполнителя, плейлист или подкаст.
Ты будешь работать с архитектурой поискового движка, индексом, ML-моделями ранжирования и персонализацией выдачи. Основной фокус роли — развитие ML-движка поиска и внедрение современных подходов в ранжировании и retrieval: гибридный retrieval, BERT/Transformer-модели, Learning to Rank, персонализация, OpenSearch/Elasticsearch, CatBoost, Airflow и PySpark.
Обязанности
•участвовать в улучшении качества поиска: от офлайн-метрик ранжирования до стабильности ранжирования в проде
•разрабатывать и внедрять модели ранжирования Learning to Rank для повышения релевантности поисковой выдачи
•обучать и улучшать LTR-модели на базе классического ML и градиентного бустинга: CatBoost, LightGBM или XGBoost
•работать с BERT/NLP-моделями для векторизации запросов, документов и объектов музыкального каталога
•развивать гибридный retrieval-пайплайн: lexical search на базе OpenSearch/Elasticsearch, dense retrieval на BERT/Transformer-эмбеддингах и ML-reranking на LTR-моделях
•участвовать в обновлении и перестроении индекса для улучшения качества и скорости поиска
•разрабатывать запросно-независимые и запросно-зависимые фичи для ранжирования персонализирующие фичи на основе действий пользователя, истории прослушиваний, кликов, пропусков, лайков и других сигналов
•развивать пайплайны оценки и переоценки качества поиска
•готовить обучающие датасеты для ранжирования на основе логов, кликов, прослушиваний, ручной разметки и implicit feedback
•участвовать в A/B-тестах поисковых изменений и анализе результатов
•развивать ML-пайплайны в Airflow
•работать с большими объёмами логов и фичей с использованием PySpark
•взаимодействовать с командой инфраструктуры при внедрении моделей ранжирования и новых фичей в production
Требования
•практический опыт в задачах ранжирования / поиска / рекомендаций / NLP от 3 лет
•опыт работы с классическим ML и градиентным бустингом: CatBoost, LightGBM или XGBoost
•опыт feature engineering для задач ранжирования, поиска или рекомендаций
•опыт работы с BERT / Transformer-моделями для NLP-задач: эмбеддинги, семантический поиск, matching query-document или reranking
•понимание принципов lexical search, dense retrieval и ML-reranking
•понимание, какие метрики применять в разных классах поисковых задач
•опыт работы с Airflow или другими оркестраторами задач для ML/data-пайплайнов
•опыт работы с большими данными: PySpark, SQL или аналогичные инструменты
•уверенное владение Python, умение писать читаемый и поддерживаемый код
Будет плюсом
•опыт production-эксплуатации моделей ранжирования
•опыт построения гибридного или векторного поиска
•опыт с retrieval-частью RAG-систем: чанкинг, эмбеддинги, retriever, reranker, оценка релевантности
•опыт A/B-тестирования и оценки качества поиска
•понимание типов событий и логов вокруг поиска, создание фичей на их основе
•опыт работы с OpenSearch / Elasticsearch в highload-системах
•опыт работы с векторным поиском и ANN-индексами: FAISS, HNSW, OpenSearch vector search, Elasticsearch vector search
•опыт построения мониторинга и алертинга для ML-моделей
•опыт анализа деградации качества ранжирования в проде
Условия
•гибридный формат работы (м Новослободская)
•ежегодный пересмотр зарплаты, годовой бонус
•корпоративный спортзал и зоны отдыха
•более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
•расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
•гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
•подписка Прайм с возможностью совместного использования на трёх близких
•вознаграждение за рекомендацию друзей в команду Сбера
•корпоративная пенсионная программа.