Senior Machine Learning Engineer (RecSys)
Компания: GRAI
Местоположение: Варшава, Польша
Тип занятости: FULL_TIME
Что вы будете делать
- Разрабатывать и внедрять архитектуры для подбора и ранжирования персонализированных рекомендаций
- Работать с большими объемами пользовательских данных и данных о контенте для извлечения значимых сигналов
- Создавать end-to-end ML-системы: обработка данных, инжиниринг признаков, обучение, оценка, развертывание, мониторинг
- Проводить A/B-тесты и оффлайн-оценки для измерения влияния моделей и улучшения их работы
- Взаимодействовать с командами разработки продуктов и инжиниринга для согласования рекомендаций с бизнес-целями
- Постоянно отслеживать производительность моделей
Что мы ищем
- Значительный практический опыт построения рекомендательных систем или моделей ранжирования
- Глубокое понимание основ машинного обучения и методологий оценки
- Опыт работы с большими объемами данных (SQL, Spark или распределенные системы данных)
- Владение Python и современными ML-фреймворками (PyTorch, TensorFlow)
- Понимание ключевых концепций ML: обучение с учителем/без учителя, метрики оценки, инжиниринг признаков
- Опыт развертывания ML-моделей в продакшене и их поддержки в течение длительного времени
- Способность балансировать между экспериментами и надежностью продакшена
Приятным бонусом будет
- Опыт работы с системами рекомендаций в реальном времени
- Знания в области систем поиска / информационного поиска
- Знакомство с feature stores, мониторингом моделей и ML-инфраструктурой
- Опыт работы в сфере медиа, музыки или персонализированных продуктов для конечных пользователей
Почему стоит присоединиться к нам
- Работа над ML-системами с высоким влиянием, используемыми реальными пользователями в больших масштабах
- Ответственность за значимые технические решения, от моделирования до продакшена
- Совместная, продуктивно-ориентированная среда с сильной инженерной культурой
- Поддерживающая и динамичная стартап-культура, где ваши идеи и вклад действительно имеют значение
- Возможности для роста, обучения и формирования будущего нашего рекомендательного стека
