Team Lead ML (RecSys)

Локация: удалённо; указан Санкт-Петербург

Компания

Twinby — российский дейтинг-сервис с миллионами пользователей, включающий ленту, матчи, чаты, подписки, покупки, антифрод и модерацию.

Что делать

• Владеть рекомендательной системой end-to-end: кандидатной генерацией, ранжированием, ре-ранжированием, cold start и exploration для двустороннего дейтингового продукта.
• Отвечать за онлайн-результат, цели и метрики, мониторинг качества и дрейфа, откаты и разбор деградаций.
• Развивать смежные ML-проекты в Trust & Safety, антифроде, модерации, монетизации, retention и NLP по чатам.
• Строить небольшую ML-команду и процесс от гипотезы и офлайн-оценки до онлайн-эксперимента, продакшена и мониторинга.
• Формировать требования к логированию, фичам, метрикам и доверенным данным совместно с дата-платформой и аналитикой.
• Самостоятельно писать код для ключевых моделей, критичных пайплайнов и ревью.

Требования

• Более 6 лет опыта и production-опыт с рекомендательными системами, за онлайн-результат которых кандидат отвечал лично.
• Практический deep learning: PyTorch или эквивалент, нейросетевое ранжирование и retrieval, two-tower, sequence-модели, multi-task, обучение на больших данных и оптимизация инференса.
• NLP: трансформеры, эмбеддинги, fine-tuning, классификация и ранжирование пользовательского текста для задач токсичности, спама, мошенничества и поиска похожего.
• Классический ML: градиентный бустинг, включая CatBoost и LightGBM, разработка фичей и оценка моделей.
• Уверенный Python и умение написать и вывести модель в прод.
• Понимание различий между офлайн-метрикой и онлайн-эффектом, включая смещения, петлю обратной связи и дрейф.
• Практики мониторинга, воспроизводимости, версионирования и тестирования данных.

Хорошо, если есть

• Опыт формального или технического лидерства, найма, развития людей и построения процессов.
• Опыт онлайн-экспериментов для рекомендаций, включая интерференцию, долгосрочные эффекты и мощность.
• Опыт reciprocal-рекомендаций и двусторонних рынков: job-платформ, маркетплейсов, такси или дейтинга.
• Опыт Trust & Safety, антифрода, computer vision, монетизации, uplift, churn и бандитов по офферам.
• Опыт с ClickHouse, Airflow и векторным поиском, а также публикации, доклады или менторство.

Культура и преимущества

• Удалённый формат работы.
• Реальное владение рекомендательной системой и ML-портфелем продукта.
• Возможность выстроить ML-фундамент через доверенные данные, метрики и модели.
• Автономия в организации ML-процесса и команды при согласовании целей и приоритетов с Head of Data.
• Не требуется идеальное знание текущего стека, заученные формулы без понимания или опыт дизайна A/B-тестов с нуля.