ML Engineer

RWB (Wildberries & Russ)

Москва

🏢 Офис

Middle

Полная занятость

Россия

Описание вакансии

Full-stack ML/AI команда с продуктовым мышлением. Внедряем ML/AI в бизнес Финтех/Банка.

Мы в поиске сильного ML-инженера/DS, готового усилить направление ML в B2B.

Стань частью команды!

Вам предстоит

•Разрабатывать ML модели для направления Розницы Банка;

•Решать комплексно задачи от бизнеса, задачи продвижения продаж, CRM;

•Выводить модели в production;

•Исследовать новые подходы для повышения метрик продукта;

•Исследовать новые источники данных разных модальностей;

•Принимать непосредственное участие в разработке ML инфраструктуры;

•Выстраивать мониторинг за стабильностью моделей и фичей.

Формат работы - гибридный или удаленный по договоренности с руководителем.

Вы нам подходите, если

•Вы имеете подтвержденный опыт работы в DS/ML от 3 лет, а также от года в банках/fintech/marketplace/телекоме;

•Отлично владеете классическим ML и DL, имеете опыт решения задач клиентского скоринга, lookalike-моделирования, response-моделирования, propensity-моделей или ранжирования клиентских аудиторий.

•Имеете опыт участия во внедрение моделей в прод;

•Имеете опыт построения воспроизводимых ML-пайплайнов, версионирования экспериментов, данных, конфигов и артефактов, желательно с использованием DVC.

•Понимаете, как оценивать ML-модели не только offline-метриками, но и через пилоты, A/B-тесты, holdout/control группы и бизнес-KPI.

•Имеете опыт построения проверок качества данных: свежесть, дубли, пропуски, стабильность распределений, контроль схемы и мониторинг входных данных модели.

•Умеете переводить бизнес-задачу в ML-постановку: формировать таргет, определять аудиторию, выбирать метрики, объяснять ограничения модели и интерпретировать результат для заказчика.

•Владеете Python, Spark, Git, SQL;

Будет плюсом

•Опыт построения мониторинга за работой моделей;

•Опыт внедрения/использования систем версионирования экспериментов;

•Опыт распределённого обучения

•Опыт промышленного использования S3, trino, Airflow, Git, Clickhouse

Опыт проектирования корректной валидации для CRM-коммуникаций: treatment/control, holdout, uplift, response rate, conversion uplift, incremental effect, etc.