Staff Machine Learning Engineer

Обязанности

Мы нанимаем Staff MLE в команду Discovery для управления рекомендациями и персонализацией на потребительском опыте Babylist — фид на главной странице, рекомендации товаров, поиск и ML-системы, которые делают создание списков покупок легким.

Babylist был создан на основе редакционных рекомендаций: товары, выбранные людьми с глубоким опытом в области детских товаров. Эта редакционная основа — большая причина, по которой нам доверяют миллионы семей. Теперь мы добавляем ML-персонализацию поверх нее, используя один из самых богатых наборов данных первого уровня в сфере родительства.

Мы находимся на ранней стадии этой работы, и у нас есть реальный мандат. Небольшая команда Discovery имеет действующие модели первичного отбора и переранжирования на частях сайта и стабильный темп A/B-тестов. Мы ищем Staff MLE, который видел, как персонализация хорошо работает в масштабе, и может определить техническое направление для дальнейшего развития.

Создание списка покупок — это сердце продукта Babylist. Каждый родитель составляет список из десятков товаров, от пеленок до колясок, с реальными ставками (друг или член семьи собирается купить эти вещи, а ребенок будет ими пользоваться). Как универсальный регистрационный реестр, этот реестр обычно охватывает множество розничных продавцов. Это делает создание списка покупок на Babylist одной из самых интересных проблем персонализации в потребительской электронной коммерции: скрытый спрос, прогрессия по жизненным этапам, динамика подарков для нескольких заинтересованных сторон, глубокий декларативный сигнал в миллионах заполненных списков, данные от разных розничных продавцов и пользователь, который искренне хочет помощи.

Если вы хотите присоединиться к зрелой ML-организации и настраивать модели на мелочах, эта роль вам не подходит. Если вы работали в сильной команде рекомендаций, узнали, как выглядит хорошо сделанная работа, и хотите построить что-то с нуля в компании, которая находится на более раннем этапе своего пути, читайте дальше.

Что вы будете курировать

Вы будете техническим руководителем по персонализации в команде Discovery, работая вместе с PM, менеджером по инжинирингу, старшим MLE и fullstack-инженерами. Вы определите, куда направятся наши модели в ближайший год-два, спланируете шаги для достижения этой цели и будете глубоко вовлечены в разработку. Вот несколько примеров задач, которые вы будете решать:

• Рекомендации товаров на всех поверхностях. Страницы с описанием товаров, рекомендации следующего товара после того, как кто-то добавил его в свой список, подборки товаров по настроению/стилю и общие модели, лежащие в их основе.
• Персонализация фида. Определение того, какие товары, редакционный контент и социальный контент увидит каждая семья, и в каком порядке.
• Персонализация поиска. Использование наших знаний о семье в результатах поиска и помощь в определении, насколько поиск должен разделять первичный отбор и ранжирование с рекомендациями.
• Улучшение Addie (нашего ИИ-помощника по составлению списков). Работа с командой Addie, чтобы ее предложения по товарам основывались на тех же моделях и сигналах, что и остальная часть сайта.

На практике вы будете:

• Брать нечеткую бизнес-задачу от первого наброска до производственной модели и нести ответственность за то, повлияла ли она на метрику.
• Принимать решения по моделям и архитектуре, которые охватывают различные поверхности и дороги в отмене.
• Разрабатывать оценку, оффлайн и онлайн, которая покажет нам, хороша ли модель до и после ее выпуска.
• Знать, когда правило или простой базовый вариант является правильным первым шагом, а когда пора применять более продвинутые подходы.
• Сотрудничать с продуктовыми, дизайнерскими и дата-командами, чтобы помочь определить, что стоит создавать.
• Обучать инженеров в команде, а также быть экспертом по ML и ресурсом для более широкой инженерной организации.

Кто вы

Вы успешно внедрили системы рекомендаций и/или персонализации, которые охватили реальных пользователей в масштабе в рамках потребительского продукта, и можете указать на бизнес-влияние вашей работы. Вы сделали это в команде, которая хорошо занималась ML — вы знаете, как выглядит хорошо сделанная работа, и мотивированы привнести это в компанию, которая находится на раннем этапе своего ML-пути.

Вы привносите:

• Экспертизу в основах рекомендательных систем: например, генерация кандидатов против ранжирования, оффлайн против онлайн-оценки, решения для проблемы «холодного старта», обработка смещения позиции и популярности.
• Свободное владение Python ML-стеком и уверенность в управлении моделями от развертывания до мониторинга, включая вклад в наш бэкенд приложений.
• Способность решать неопределенную проблему и начинать действовать, прежде чем кто-либо представит вам полную картину.
• Инстинкт создателя для ML на ранней стадии. Вы понимаете компромиссы между усилиями и эффективностью и можете аргументировать, когда правило лучше модели, или модель «достаточно хороша» для раннего обучения.
• Ориентацию на результат и пользователя. Вы оцениваете себя по бизнес-влиянию и можете связать изменение модели с улучшением пользовательского опыта и увеличением добавлений в списки, конверсией или выручкой.
• Ежедневную практику с ИИ. Вы уже используете ИИ для ускорения работы и улучшения результатов, и остаетесь любопытными к тому, что будет дальше.

Компенсация

Мы публикуем реальные цифры. Для Staff Engineer, базирующегося в США, стартовая зарплата составляет от 233 500 до 290 700 долларов США, плюс целевой годовой бонус в размере 20 процентов от базовой зарплаты. Это общая целевая сумма наличными примерно от 280 200 до 348 840 долларов США. В дополнение к этому вы получаете значительные опционы и соответствующий взнос в 401(k). Ваше место в этом диапазоне зависит от вашего опыта, и ваша оплата будет расти дальше с учетом производительности и объема работы.

Как мы строим

ИИ — это стандарт здесь. Инженеры проводят агентские сессии для большей части работы, и большая часть интересных инженерных задач теперь заключается в каркасе, который делает агентов хорошими: оценочные средства, кураторский контекст, навыки пользовательского обзора и быстрая CI. Агенты также обрабатывают инциденты и берут на себя большую долю поддержки. Человек всегда несет ответственность за результат.

Архитектура намеренно проста: один монолит Rails, MySQL и несколько движущихся частей. Это намеренно. Простая инфраструктура позволяет нам быстро работать и позволяет ИИ анализировать всю систему, поэтому самые сложные проблемы — это те, с которыми сталкиваются клиенты.

Технологический стек

Основное приложение: Rails, Packwerk, React, TypeScript, Sidekiq

Мобильные приложения: iOS (Swift), Android (Kotlin)

Данные, поиск и события: MySQL, Snowflake, dbt, Airflow, Weaviate, WarpStream, Hex, Sigma

Машинное обучение: Deep learning, Matrix factorization, Retrieval & Ranking, AWS SageMaker, MLflow

AI и инструменты для разработчиков: Claude Code, Devin, Linear, CodeRabbit, Warden, LangChain, Bedrock AgentCore, Maxim

Инфраструктура и операции: AWS, Kubernetes, Terraform, GitHub Actions, Datadog, incident.io, LaunchDarkly

Ключевые интеграции: Shopify (платежи), Iterable (CRM)

Почему Babylist

Инженер, ожидая своего первого ребенка, не могла найти нужный ей список подарков. Поэтому она его создала. Так начался Babylist, и так мы продолжаем работать: инженеры решают проблемы для семей. Рождение ребенка — один из самых важных моментов в жизни человека. Миллионы людей впервые сталкиваются с этим каждый год, принимая тысячи решений и разбираясь по ходу дела. Вот для кого мы работаем, и нам предстоит пройти еще долгий путь.

Десять миллионов человек ежегодно дарят подарки через Babylist. Мы получили более 750 миллионов долларов выручки в 2025 году, что на 45 процентов больше, чем в предыдущем году, и мы были прибыльны в течение восьми лет, оставаясь независимыми. Так что вы можете взяться за сложную, многолетнюю проблему, не опасаясь следующего раунда финансирования или следующей коррекции. И команда небольшая, около 65 инженеров, так что то, что вы создадите, останется видимым, а ваш объем работы — широким.

Как мы работаем

Удаленная работа по всей территории США и Канады, и мы работаем так уже много лет. Это не изменится. Мы доверяем вам управлять своим временем и результатами, и мы собираемся всей командой дважды в год. Команды небольшие, группы из трех-пяти инженеров, поэтому ничто из того, что вы создадите, не затеряется в комитете. Вы будете работать бок о бок с продуктовыми, дизайнерскими и дата-командами, а также с партнерами по всему бизнесу, которые полагаются на то, что вы создадите. Вы также будете оставаться в тесном контакте с клиентами: присутствовать на интервью с пользователями, смотреть записи сессий, сопровождать службу поддержки. Здесь это часть работы инженера, на регулярной основе.

Как мы нанимаем

Три этапа, обычно от двух до трех недель от начала до конца.

Собеседование с рекрутером (30 минут). Обмен информацией: что вы ищете дальше, что мы строим, и прямые ответы о компенсации, команде и удаленной работе.

Технический скрининг (1 час). Один этап, без ИИ, без привязки к языку. Обращайтесь к Google, когда обычно это делаете. Мы просто хотим увидеть, как вы рассуждаете, исходя из первых принципов.

Финальный этап (4 часа). Четыре часовых интервью: проектирование систем, кодирование с помощью ИИ с использованием инструментов, которые вы фактически будете использовать здесь, продуктовое мышление, а также культура и ценности. Вы получите ответ в течение 24-48 часов.

Если ваш график сжатый, сообщите нам, и мы ускоримся.

Преимущества

• Медицинская страховка, полностью покрывающая стоматологические и офтальмологические услуги, оплачиваемая компанией
• Соответствие взносов в 401(k)
• Щедрый оплачиваемый отпуск по уходу за ребенком для рожающих и нерожающих родителей, а также программа постепенного возвращения к работе
• Неделя зимнего чуда, оплачиваемая неделя отпуска всей компанией в конце года
• Стипендия на удаленную работу
• Поддержка психического здоровья и благополучия

Несколько фактов, которые стоит знать

Мы записываем и транскрибируем интервью для оценки кандидатов в соответствии с применимыми законами о конфиденциальности.

Мы ожидаем, что вы будете использовать ИИ в своей работе, и мы приветствуем его в процессе, но то, что вы отправляете и говорите, должно отражать ваши собственные мысли.

Если у вас есть член семьи или близкие отношения с сотрудником Babylist, сообщите об этом своему рекрутеру.

Официальная связь всегда осуществляется с адреса @babylist.com