pythonetlmachine learninga b testingsparkpysparkrecommendation systemslearning to rank
Вакансия из Telegram канала - Название доступно после авторизации
Пожаловаться
Зарплата и рынок
ЗП не указана
На похожих ролях по рынку
$5.1к$12кмедиана$14к
19 в выборке
На международном рынке: $100к/год ($64к - $175к)
88
Крутая вакансия
развернуть
Крепкая вакансия в крупном продукте с четким фокусом на рекомендательные системы и современным стеком данных. Единственный минус - отсутствие вилки в описании, но сама роль прописана качественно.
Кликните для подробной информации
Зарплата не указанаСовременный стекПонятный scope
Оценка от Hirify AI
Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Создать профиль и узнать мэтч
Описание вакансии
TL;DR
Data Scientist (Персонализация): Разработка рекомендационных и ранжирующих моделей для сайта и мобильного приложения с акцентом на candidate generation, reranking, Learning-to-Rank и персонализацию товарных сценариев. Фокус на выводе моделей в продакшн, проведении A/B-тестов, построении метрик рекомендаций и поддержке ETL на PySpark.
Вакансия Datascientist Персонализация
🟢Удаленно🟢Полная занятость 🟢ЗП обсуждается на собеседовании 🟢В компанию Золотое Яблоко
🟦Задачи
– Разрабатывать модели рекомендаций для сайта и мобильного приложения (cold‑start, гибридные модели, deep‑learning подходы)
– Разрабатывать алгоритмы candidate generation для персонализированных рекомендаций на всех этапах пользовательского пути
– Разрабатывать и обучать reranking-модели, объединяющие персональные, контекстные и бизнесовые сигналы
– Создавать алгоритмы в карточках товара – похожие товары, cross‑sell/upsell‑рекомендации
– Обучать и выводить в продакшн модели ранжирования поисковой и каталожной выдачи (Learning‑to‑Rank, нейронные ранжировщики, pair‑wise/list‑wise подходы)
– Внедрять метрики оценки эффективности рекомендаций (CTR, CVR, MAP, NDCG), проводить онлайн и офлайн тестирование, A/B‑тесты
– Разрабатывать и поддерживать ETL на PySpark для сбора необходимых признаков
🟦Требования
– Опыт полного цикла разработки рекомендационной системы – от сбора требований до вывода в прод
– Практический опыт Learning to Rank и понимание классических ML‑подходов к рекомендациям
– Умение работать с большими объемами данных (Spark, Flink, Hadoop)
– Владение базой по теории вероятности и статистике
– Уверенное владение Python, опыт написания ETL‑процессов на PySpark
– Понимание A/B‑тестирования, построения онлайн/офлайн метрик рекомендаций
– Опыт работы с облачными хранилищами (S3, GCS, Azure Blob)
🌐 Показать контакты
Будьте осторожны: если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого - это мошенники. Обязательно жмите "Пожаловаться" или пишите в поддержку. Подробнее в гайде →
Текст вакансии взят без изменений
Источник - Telegram канал. Название доступно после авторизации