ML Engineer / Data Scientist (Middle / Middle+) (Recommender Systems)
Контакты
Формат работы
remote (только Kazakhstan)
Тип работы
fulltime
Грейд
middle
Страна
Kazakhstan
pythonllmmachine learningpytorcha b testingairflowcatboostxgboostlightgbmrecommender systems
hhВакансия с HeadHunter. Контакт ведёт на hh.ru
Пожаловаться
Зарплата и рынок
ЗП не указана
На похожих ролях по рынку
$3.6к$4.1кмедиана$4.4к
5 в выборке
На международном рынке: $160к/год ($106к - $193к)
84
Хорошая вакансия
развернуть
Фокус на рекомендательных системах хорошо очерчен, а задачи охватывают полный цикл работы с моделями и эксперименты; при этом масштаб компании и применение ML-сервисов в продакшене не раскрыты.
Кликните для подробной информации
Понятные задачиАктуальный ML-стекВлияние на продуктОграничение по локации
Оценка от Hirify AI
Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Создать профиль и узнать мэтч
Описание вакансии
Текст:
Hirify AI/Оригинал
TL;DR
ML Engineer / Data Scientist (Middle / Middle+) (рекомендательные системы): Развитие и улучшение рекомендательных систем, классических ML-моделей и ML-пайплайнов с акцентом на ранжирование, работу с данными и оценку качества. Фокус на построении ranking/reranking-моделей, анализе latency, A/B-тестировании и поддержке пайплайнов с Airflow.
Локация: Алматы; полностью удалённая работа.
Компания
Adviva развивает ML-сервисы и рекомендательные системы.
Что делать
Развивать и поддерживать существующие рекомендательные системы и ML-сервисы.
Обучать, тестировать и улучшать ML-модели, включая модели ранжирования и reranking.
Подготавливать датасеты, выполнять feature engineering и добавлять новые признаки.
Анализировать качество рекомендаций, сравнивать результаты моделей и оценивать latency.
Развивать и поддерживать ML-пайплайны, включая пайплайны на Airflow.
Проводить эксперименты, участвовать в A/B-тестировании и выполнять базовый мониторинг качества моделей.
Требования
3–6 лет опыта работы; уровень Middle или Middle+.
Уверенное владение Python.
Практический опыт с классическим машинным обучением: классификация, регрессия и ранжирование.
Опыт работы с CatBoost, LightGBM и XGBoost.
Знание и практический опыт работы с PyTorch.
Понимание основных алгоритмов машинного обучения, базовой теории вероятностей и статистики.
Опыт работы с данными и построения ML-пайплайнов.
Умение самостоятельно вести задачи от анализа проблемы до оценки результата.
Хорошо, если есть
Коммерческий опыт разработки рекомендательных систем (RecSys).
Опыт работы с ranking/reranking-моделями.
Знание ALS и других подходов к построению рекомендаций.
Опыт работы с Airflow.
Опыт проведения A/B-тестов и оценки качества моделей.
Опыт применения LLM для задач машинного обучения, например для feature engineering.
Опыт работы с продуктовыми ML-системами и понимание особенностей их эксплуатации.
Культура и преимущества
Полностью удалённый формат работы.
Возможность самостоятельно влиять на технические решения и качество моделей.
Команда развивает ML-инфраструктуру, модели и рекомендательные сервисы.
Минимум регулярных встреч и возможность сосредоточиться на технических задачах.
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 →