Ведущий инженер машинного обучения (Рекомендации + GenAI)
Компания: Gamingtec
Отдел: IT
Формат работы: Удаленно
Тип занятости: Полная занятость
Минимальный опыт: Опытный специалист
Готовы вывести свои навыки машинного обучения на новый уровень?
Мы ищем ведущего инженера машинного обучения, который возглавит интеллектуальный слой наших продуктов. Вы будете проектировать, создавать и совершенствовать модели и системы принятия решений, лежащие в основе рекомендаций, ранжирования, персонализации, поиска, поведения агентов и выбранных сценариев предиктивной аналитики. Вы будете работать напрямую с основателями, чтобы превращать неопределенные идеи продукта в производственные системы, создающие измеримую ценность для клиентов. В команде нашего размера это роль сквозного типа: вы можете заниматься исследованием данных, моделированием, оценкой, экспериментами и итерациями в продакшене в течение одной недели.
Это не чисто исследовательская роль. Нас интересуют люди, которые могут переходить от данных и гипотез к внедренным системам и влиянию на бизнес.
Все, что вам нужно:
- Прочные основы в области машинного обучения, статистики, информатики или смежной количественной дисциплины;
- Опыт создания и внедрения ML-систем или интеллектуальных функций продукта в производственных или близких к производственным средам;
- Отличные навыки Python и уверенность в работе с данными, моделированием, оценкой и совместной работой в продакшене;
- Хорошее понимание экспериментов, оценки моделей, инженерии признаков, качества данных и анализа ошибок;
- Четкая коммуникация и способность решать сложные, неопределенные продуктовые задачи;
- Высокая степень ответственности, самостоятельность и сильная ориентация на действия;
- Более 5 лет опыта создания и внедрения ML-систем или интеллектуальных функций продукта в продакшене;
- Глубокое понимание оценки моделей, перекрестной проверки, инженерии признаков и проблем качества данных в реальных условиях;
- Опыт работы с большими объемами поведенческих, транзакционных или контекстуальных данных;
- Сильные привычки в области разработки программного обеспечения, включая написание чистого, тестируемого, поддерживаемого кода на Python.
Что будет преимуществом:
- Опыт работы с рекомендательными системами, ранжированием, поиском, персонализацией или оптимизацией торговых площадок/лент;
- Опыт работы с приложениями LLM, RAG, GenAI-агентами, итерацией запросов или оценкой GenAI-систем;
- Опыт проведения A/B-тестов или онлайн-экспериментов;
- Опыт тесного сотрудничества с продуктовыми командами и преобразования пользовательских проблем в ML-решения;
- Опыт работы с ML в реальном времени, потоковыми признаками, низколатентным выводом или онлайн-обучением;
- Опыт работы с причинно-следственным выводом, моделированием прироста, многорукими бандитами или другими методами оптимизации принятия решений;
- Знакомство с облачной ML-инфраструктурой, контейнерным развертыванием и MLOps-рабочими процессами;
- Опыт работы в iGaming, финтехе, электронной коммерции или другой области с большими объемами транзакционных и поведенческих данных;
- Опыт работы со сценариями предиктивной аналитики, такими как сегментация, предотвращение оттока, моделирование LTV или приоритизация возможностей.
Ваши ежедневные приключения будут выглядеть примерно так:
- Проектирование, создание и улучшение ML-систем для рекомендаций, ранжирования, персонализации, поиска и GenAI-рабочих процессов;
- Преобразование продуктовых целей в конкретные ML-задачи, планы оценки, эксперименты и внедренные функции;
- Работа с поведенческими, транзакционными, контекстуальными и неструктурированными данными для выявления сигналов и улучшения качества моделей;
- Создание оффлайн-фреймворков оценки и онлайн-экспериментов для измерения релевантности, качества, задержки, стоимости и влияния на бизнес;
- Улучшение поведения GenAI-агентов за счет лучшего поиска, управления контекстом, формирования запросов, использования инструментов, оркестровки и оценки;
- Исследование режимов отказа, проведение анализа ошибок и принятие практических компромиссов между качеством, надежностью, скоростью и сложностью;
- Тесное сотрудничество с инженерами платформы и бэкенда для развертывания, мониторинга и итерации моделей в продакшене;
- Участие в определении того, как компания занимается ML: метрики, дисциплина экспериментов, технические стандарты и долгосрочное направление;
- Работа с поведенческими и транзакционными сигналами в реальном времени для улучшения рекомендаций, персонализации и интеллектуального поведения продукта;
- Вклад в предиктивные и основанные на инсайтах ML-сценарии, такие как сегментация, прогнозирование оттока, измерение рекомендаций и ранжирование возможностей;
- Написание чистого, тестируемого кода на Python и создание повторно используемых ML-компонентов и общих библиотек, используемых на платформе.
Что будет считаться успехом в первые 6 месяцев:
- Вы внедрите значимые улучшения в рабочий процесс рекомендаций, персонализации или GenAI, используемый в продакшене;
- Вы создадите практическую структуру оценки для одной или нескольких основных ML-систем;
- Вы преобразуете неопределенные продуктовые возможности в четкие эксперименты и обоснованные технические решения;
- Вы улучшите по крайней мере одну важную метрику, такую как релевантность, завершение задачи, конверсия, удержание, задержка или эффективность затрат;
- Вы станете доверенным руководителем, который выявляет высокоэффективные ML-возможности и продвигает их вперед без необходимости детальных инструкций;
- Вы поможете создать повторяющийся подход к экспериментам, итерации моделей и разработке ML производственного качества.
А вот как проходит наш процесс собеседования:
- 30-минутное интервью с членом нашей HR-команды, чтобы познакомиться с вами и вашим опытом;
- 1-часовое техническое интервью;
- Финальное интервью для оценки вашего соответствия нашей культуре и стилю работы.
Звучит интересно? Не стесняйтесь подавать заявку или связаться с нами, если у вас возникнут вопросы!
