pythonsqlmachine learningpytorchairflowcatboostmlflowscikit learnxgboostrecommendation systems
RUВакансия из Hirify RU, списка российских tech-компаний
Пожаловаться
Зарплата и рынок
По рынку СНГ данных пока нет
На международном рынке: $167к/год ($132к - $203к)
67
Средняя вакансия
развернуть
Роль чётко связана с персонализацией и рекомендательными системами, но скрытая компания и требование уже переехать из России добавляют неопределённости и ограничивают круг тех, кому подойдёт вакансия.
Кликните для подробной информации
Требование к переездуСпорная сфераКомпания не раскрытаАктуальный ML-стекПонятные задачи
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 (iGaming): Разработка и внедрение моделей персонализации для разных частей продукта с акцентом на анализ данных, обучение моделей и проверку решений через A/B-тесты. Focus on построение рекомендательных систем, мониторинг ML-моделей и анализ причин изменения их эффективности.
Локация: удалённо, весь мир. Кандидаты должны уже переехать из России.
Компания
Продуктовая компания в сфере iGaming, развивающая персонализацию продукта с использованием машинного обучения.
Что делать
Создавать, внедрять и поддерживать модели персонализации для разных частей продукта.
Переводить бизнес-задачи в математические постановки и подтверждать результаты с помощью A/B-тестирования.
Анализировать данные, выявлять инсайты, аномалии и закономерности.
Разрабатывать метрики, дашборды и системы алертов для мониторинга моделей и бизнес-процессов.
Оценивать результаты работы моделей и находить причины их хорошей или плохой эффективности.
Требования
От 2 лет коммерческого опыта в Data Science.
Опыт анализа, очистки, подготовки, отбора и создания признаков на данных.
Уверенное владение Python, включая классический аналитический стек и ML, а также SQL.
Опыт работы с Airflow.
Опыт построения и использования пайплайнов обучения с MLflow, ClearML или аналогами.
Опыт работы со scikit-learn, CatBoost/XGBoost и PyTorch или TensorFlow.
Понимание архитектуры рекомендательных систем: candidate generation, ranking, implicit feedback, collaborative и content-based подходы, cold start.
Понимание жизненного цикла ML-моделей.
Хорошо, если есть
Опыт разработки real-time ML-сервисов.
Опыт работы с Triton Inference Server.
Опыт работы с ClickHouse.
Культура и преимущества
Удалённая работа из любой точки мира.
Работа с реальными данными и бизнес-метриками.
Возможность влиять на продукт через модели персонализации и A/B-тестирование.
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 →