Эта вакансия в архиве
Посмотреть похожие вакансии ↓Описание вакансии
Позиция: ML Engineer в команду рекомендаций.
Куда: Магнит OMNI, Команда рекомендаций.
Формат работы: полная занятость; офис в Москве, Краснодаре, Иннополисе, СПБ, ЕКБ; на данной позиции возможна полная удаленка, нет требования ходить в офис.
Вилка гросс: 300-460k (для сильных кандидатов есть возможность расширить вилку).
Про нас: Мы команда ML рекомендаций Магнит Омни (Магнит Маркет, Фудтех, Плюс, AdTech). Ищем коллегу, который поможет нам сделать наши рекомендации ещё лучше, усилив команду своей экспертизой в области рекомендательных систем. Рекомендательные алгоритмы в компании активно развиваются — у тебя есть шанс внести реальный вклад в это развитие и увидеть, как твои решения влияют на миллионы наших клиентов.
Обязанности:
— Разработка алгоритмов рекомендаций для разных рекомендательных сценариев — персональные рекомендации, рекомендации на карточке товара и в корзине, персональные подборки. Мы создаём как оффлайн, так и real-time рекомендации.
— Разработка и внедрение новых признаков для контентных моделей.
— Постановка гипотез для A/B-тестов.
— Анализ результатов экспериментов и формулирование рекомендаций по дальнейшим действиям.
— Сотрудничество со смежными командами разработки и аналитики для реализации комплексных решений.
Требования:
— Опыт работы с рекомендательными системами от года.
— Знание Python и SQL/PySpark.
— Интерес к рекомендательным SOTA-алгоритмам, знание основных алгоритмов, метрик и проблем, связанных с рекомендательными моделями.
— Разработка ML-пайплайнов в Airflow.
Будет плюсом:
— Опыт разработки нейросетевых рекомендательных алгоритмов.
— Реализовывал решения, описанные в академических статьях.
— Опыт работы в e-commerce.
— Проводил успешные A/B тесты, доказывал эффективность своих решений на практике.
От нас:
— Минимум бюрократии и встреч.
— ДМС со стоматологией и льготными условиями для членов семьи.
— Техника для комфортной работы (Macbook Pro).
— Скидки PrimeZone: больше 6 тысяч корпоративных предложений от ресторанов до недвижимости.
— Кэшбек для сотрудников в магазинах Магнит.
Ответы на 10 вопросов:
1. Данные: DWH, основное: S3, Clickhouse, GreenPlum, Trino. Питоновские библиотеки Polars и Pandas.
2. Железо: GPU A100/T4. У каждого 38 CPU/156 GB RAM. При необходимости есть возможность увеличить.
3. Масштаб влияния: ML-решения напрямую влияют на ключевые метрики рекомендаций и компании в целом. Миллионы людей будут видеть результат твоей работы, открывая приложения Магнита.
4. Уровень развития DS: базовые рекомендательные сценарии закрыты простыми, но эффективными моделям. Начинаем выделять больше времени на исследование SOTA-алгоритмов.
5. Роль DS: Полный цикл — от постановки задачи с бизнесом/лидом до интеграции в продакшн (совместно с backend командами).
6. Бэкграунд руководителя: Нагорный Олег. Опыт в ML 10 лет — ВШЭ, М.Видео, Сбер, Магнит.
7. Частота встреч: 3-5 в неделю длительностью от 15 минут до 30 в среднем.
8. Карьерный рост: возможности роста как вертикальные (развиваться в рекомендацях), так и горизонтальные (двигаться в другие команды в будущем).
9. Research/Prod: Research и Prod 20 на 80.
10. Функция сервиса/лидера: 80% решение задач, 20% лидерство в рамках проекта (ищем самостоятельных коллег, способных вести проект).
Как откликнуться:
Присылайте резюме в Telegram с пометкой «ML инженер в команду рекомендаций» и вашими зарплатными ожиданиями в гросс: .
Куда: Магнит OMNI, Команда рекомендаций.
Формат работы: полная занятость; офис в Москве, Краснодаре, Иннополисе, СПБ, ЕКБ; на данной позиции возможна полная удаленка, нет требования ходить в офис.
Вилка гросс: 300-460k (для сильных кандидатов есть возможность расширить вилку).
Про нас: Мы команда ML рекомендаций Магнит Омни (Магнит Маркет, Фудтех, Плюс, AdTech). Ищем коллегу, который поможет нам сделать наши рекомендации ещё лучше, усилив команду своей экспертизой в области рекомендательных систем. Рекомендательные алгоритмы в компании активно развиваются — у тебя есть шанс внести реальный вклад в это развитие и увидеть, как твои решения влияют на миллионы наших клиентов.
Обязанности:
— Разработка алгоритмов рекомендаций для разных рекомендательных сценариев — персональные рекомендации, рекомендации на карточке товара и в корзине, персональные подборки. Мы создаём как оффлайн, так и real-time рекомендации.
— Разработка и внедрение новых признаков для контентных моделей.
— Постановка гипотез для A/B-тестов.
— Анализ результатов экспериментов и формулирование рекомендаций по дальнейшим действиям.
— Сотрудничество со смежными командами разработки и аналитики для реализации комплексных решений.
Требования:
— Опыт работы с рекомендательными системами от года.
— Знание Python и SQL/PySpark.
— Интерес к рекомендательным SOTA-алгоритмам, знание основных алгоритмов, метрик и проблем, связанных с рекомендательными моделями.
— Разработка ML-пайплайнов в Airflow.
Будет плюсом:
— Опыт разработки нейросетевых рекомендательных алгоритмов.
— Реализовывал решения, описанные в академических статьях.
— Опыт работы в e-commerce.
— Проводил успешные A/B тесты, доказывал эффективность своих решений на практике.
От нас:
— Минимум бюрократии и встреч.
— ДМС со стоматологией и льготными условиями для членов семьи.
— Техника для комфортной работы (Macbook Pro).
— Скидки PrimeZone: больше 6 тысяч корпоративных предложений от ресторанов до недвижимости.
— Кэшбек для сотрудников в магазинах Магнит.
Ответы на 10 вопросов:
1. Данные: DWH, основное: S3, Clickhouse, GreenPlum, Trino. Питоновские библиотеки Polars и Pandas.
2. Железо: GPU A100/T4. У каждого 38 CPU/156 GB RAM. При необходимости есть возможность увеличить.
3. Масштаб влияния: ML-решения напрямую влияют на ключевые метрики рекомендаций и компании в целом. Миллионы людей будут видеть результат твоей работы, открывая приложения Магнита.
4. Уровень развития DS: базовые рекомендательные сценарии закрыты простыми, но эффективными моделям. Начинаем выделять больше времени на исследование SOTA-алгоритмов.
5. Роль DS: Полный цикл — от постановки задачи с бизнесом/лидом до интеграции в продакшн (совместно с backend командами).
6. Бэкграунд руководителя: Нагорный Олег. Опыт в ML 10 лет — ВШЭ, М.Видео, Сбер, Магнит.
7. Частота встреч: 3-5 в неделю длительностью от 15 минут до 30 в среднем.
8. Карьерный рост: возможности роста как вертикальные (развиваться в рекомендацях), так и горизонтальные (двигаться в другие команды в будущем).
9. Research/Prod: Research и Prod 20 на 80.
10. Функция сервиса/лидера: 80% решение задач, 20% лидерство в рамках проекта (ищем самостоятельных коллег, способных вести проект).
Как откликнуться:
Присылайте резюме в Telegram с пометкой «ML инженер в команду рекомендаций» и вашими зарплатными ожиданиями в гросс: .
Текст вакансии взят без изменений
Источник -