ML Engineer (Recommendation Systems)

Flowwow·Удаленно

ML Engineer (Recommendation Systems)

Ориентир по рынку≈ 337 000 – 362 000 ₽наша приблизительная оценка по 13 вакансиям этой роли и грейда, у работодателя вилка не указана

≈ 4,1 тыс.–4,4 тыс. $

УдалённоMiddleПолная занятостьИз Россииопубликовано 16 сент.

≈ 337 000 – 362 000 ₽наша приблизительная оценка

Описание

Разбор

Подготовить откликОтклик

История

Наша компания

Сейчас в наше направление по разработке платформы данных ищем ML Engineer (Recommendation Systems), который будет развивать рекомендательные системы и поможет нам перейти от rule-based решений к ML. Рекомендации сейчас работают на rule-based baseline в проде; следующий шаг — перейти к ML и построить полноценный цикл экспериментов вокруг них.

О роли

Задача нетиповая, и это стоит понимать до отклика. Ассортимент, который видит пользователь, определяется геозоной доставки и наличием товара у конкретного локального мерчанта. Каталог обновляется быстро, товар скоропортящийся, холодный старт по SKU — нормальный режим работы, а не краевой случай. Персональной истории мало: подарки покупают несколько раз в год. Маркетплейс двусторонний — релевантнос

Чем предстоит заниматься

Разобраться в текущем baseline и данных, найти, где реально теряется качество

Спроектировать и наладить пайплайн обучения и инференса моделей

Сформировать рабочий цикл ML-экспериментов: офлайн-валидация → A/B на боевом трафике → решение по результату эксперимента

Наши требования

Ориентировочно от 4 лет опыта в production ML в рекомендациях, поиске или ранжировании с участием в полном цикле разработки – от обучения моделей до запуска в продакшен

Опыт разработки современных RecSys-моделей и их запуска в продакшен с измеримым влиянием на продуктовые и бизнес-метрики

A/B-тесты: сами дизайнили, запускали, анализировали (не только читали результаты)

Автономность: можете спроектировать систему от идеи до production без ежедневного надзора

Python (production-grade код)

PyTorch или TensorFlow (реально обучали модели, не только inference)

SQL (сложные аналитические запросы) для сбора и подготовки данных

Linux, Git, Docker

Мультимодальные эмбеддинги (CLIP/SigLIP-подобные), работа с контентными представлениями товара

Vector databases: Qdrant, Milvus, Pinecone

Feature stores: Feast, Tecton

MLOps: MLflow, experiment tracking, model registry

Causal inference, uplift, интерливинг

Kubernetes, cloud (Yandex Cloud / AWS)

Знание e-commerce домена: маркетплейсы, двусторонние рынки, ограничения предложения

Мы предлагаем

Оформление: трудовой договор

График работы: 5/2

Удаленный формат работы

Дополнительно

Приоритет №1 на ближайший год остаётся за рекомендациями: качество ранжирования, персонализация, работа с холодным стартом

Параллельно будет расти платформенная часть — feature store, фреймворк экспериментов, мониторинг моделей

В перспективе есть направления CV (классификация товаров, поиск по изображению) и прогнозирования спроса

Умеете обосновать, где нужна модель, а где достаточно эвристики — в обе стороны

Проговариваете trade-offs: latency против качества, сложность против поддерживаемости

Валидируете результат так, чтобы ему можно было верить

Готовы читать чужой код на незнакомом языке и договариваться о контрактах между командами

Предлагаем ДМС со стоматологией или компенсацию на медицинское обслуживание, а также сервис психологической

Заботимся о физическом здоровье — компенсируем расходы на занятия спортом или покупку спортивного оборудования

Компенсируем стоимость техники, которую вы приобретаете для работы

Создаем условия для развития: оплачиваем обучение, конференции и митапы, нужные для работы

Подключаем к корпоративной программе лояльности: персональным скидкам на Flowwow и предложениям от партнеров

Наши ценности

Забота и любовь

Наш продукт основан на желании людей радовать друг друга и быть вместе. Пока любовь жива, у Flowwow будут пользователи

Развитие и рост

Flowwow быстро развивается и с радостью поддерживает инициативы сотрудников

Культура взаимопомощи

У нас работают люди, вовлеченные в процесс и небезразличные к тому, что они делают

Открытость к изменениям

Каждый может проявлять инициативу, предлагать и быстро видеть свой вклад в общий успех

Благотворительность

Одна из целей Flowwow — помогать людям. Нас объединяют социальная ответственность и готовность участвовать в специальных благотворительных мероприятиях