Title: Lead ML Engineer Company: Mayflower Location: Limassol, Lemesos, Cyprus

Mayflower — технологическая компания, создающая высоконагруженные продукты, которыми пользуются миллионы людей по всему миру. Работая в масштабах одного из 50 ведущих мировых веб-сайтов, мы решаем сложные инженерные задачи и создаем решения, обеспечивающие развлечения в реальном времени для глобальной аудитории. Мы ищем Lead ML Engineer, который возглавит новое ML-направление, ориентированное на быструю доставку прикладных решений машинного обучения в различных продуктовых и бизнес-доменах. Направление будет заниматься широким спектром задач ML. Некоторые инициативы могут быть относительно небольшими и реализоваться в течение нескольких недель, в то время как другие могут доказать свою ценность и вырасти в более крупные выделенные проекты. Эта роль сочетает в себе практическую работу ML-инженера с полным владением технической реализацией. Вы будете получать продуктовые проблемы и ожидаемые результаты от менеджеров по продукту или внутренних заинтересованных сторон, уточнять технические требования и ограничения, определять подход к реализации, координировать выполнение в рамках направления и доводить решения до готовности к продакшну и запуска. Это очень практическая роль. В направлении не будет выделенного инженера-программиста для каждой инициативы, поэтому мы ожидаем, что Data Scientists и ML Engineers будут комфортно работать за пределами экспериментов и непосредственно участвовать в написании продакшн-кода. Роль не привязана к одному ML-домену. Мы ценим прочные основы ML, инженерные навыки, прагматизм и способность быстро понимать новые области проблем больше, чем глубокую специализацию в одном конкретном классе моделей.

Обязанности

Владение технической реализацией

• Превращение продуктовых и бизнес-задач в конкретные планы реализации ML.
• Уточнение требований, ограничений, доступных данных, интеграций и критериев успеха совместно с менеджерами по продукту и соответствующими заинтересованными сторонами.
• Определение технического объема, этапов, зависимостей, рисков и оценок сроков реализации.
• Выбор соответствующих ML-подходов и определение наиболее быстрого надежного способа их валидации и реализации.
• Управление технической реализацией посредством экспериментов, внедрения, интеграции, развертывания и подготовки к запуску.
• Обеспечение соблюдения сроков реализации, проактивное выявление препятствий и координация зависимостей с другими командами.
• Предоставление менеджерам по продукту четких технических опций, компромиссов, оценок, рисков и результатов экспериментов, необходимых для принятия продуктовых решений.
• Поддержка развертывания и итераций в продакшне на основе наблюдаемых результатов.

Практическая работа в области ML и инженерии

• Проектирование, обучение, оценка и развертывание ML-моделей для различных доменов и типов задач.
• Написание продакшн-качественного кода на Python и непосредственное участие в реализации.
• Создание API, пакетных заданий, конвейеров обработки данных и ML-сервисов, необходимых для предоставления решений, где это уместно.
• Работа с классическим ML, глубоким обучением и подходами на основе foundational models в зависимости от задачи.
• Обработка и преобразование больших продакшн-наборов данных с использованием Python и SQL.
• Интеграция моделей в существующие продакшн-системы.
• Внедрение соответствующего тестирования, мониторинга, логирования и observability для предоставляемых ML-решений.
• Работа в рамках общей ML-инфраструктуры, архитектуры и инженерных практик, используемых в компании.
• Сотрудничество со специалистами по Data Science, Backend, Data Engineering и MLOps при необходимости более глубокой экспертизы в домене или внесения изменений в инфраструктуру.

Исполнение в рамках направления

• Разбивка инициатив на конкретные технические задачи и координация выполнения в рамках направления.
• Координация работы Data Scientists и ML Engineers, участвующих в инициативах направления.
• Обзор технических подходов, экспериментов и реализации.
• Поддержание сосредоточенности команды на согласованном объеме, приоритетах и сроках реализации.
• Раннее выявление технических рисков и зависимостей и их устранение.
• Эскалация архитектурных, инфраструктурных или методологических вопросов, требующих более широкого согласования.
• Помощь в подготовке успешных инициатив к масштабированию или передаче на долгосрочное владение, если они выходят за рамки направления.

Кросс-функциональное сотрудничество

• Тесное взаимодействие с менеджерами по продукту на протяжении всего жизненного цикла реализации.
• Самостоятельный сбор технических деталей и ограничений, необходимых для выполнения запроса на продукт.
• Четкое информирование об оценках, зависимостях, технических компромиссах и статусе выполнения.
• Прямое взаимодействие с инженерами и другими внутренними командами для устранения препятствий в реализации.
• Оспаривание технически неясных, противоречивых или невыполнимых требований и предложение практических альтернатив.

Вам подойдет эта роль, если у вас есть

• 5+ лет коммерческого опыта в области Machine Learning, Data Science или ML Engineering.
• Сильные практические навыки программирования на Python и программной инженерии.
• Опыт внедрения ML-решений от продуктового требования через эксперименты, реализацию, интеграцию и вывод в продакшн.
• Глубокое понимание методов машинного обучения, статистики, экспериментов и оценки моделей.
• Опыт написания поддерживаемого продакшн-кода, а не исключительно работы в Jupyter Notebooks.
• Опыт создания API, сервисов, пакетной обработки или конвейеров данных.
• Сильные навыки SQL и опыт работы с большими продакшн-наборами данных.
• Практический опыт работы с Docker и средами продакшн-развертывания.
• Способность превращать частично определенные проблемы в конкретные технические планы.
• Способность оценивать работу, выявлять зависимости и риски, а также управлять технической реализацией в соответствии с графиком.
• Опыт руководства технической реализацией с участием нескольких человек и координации работы по зависимостям.
• Опыт ревью кода и технических подходов.
• Способность эффективно работать в рамках установленных инженерных практик и практик ML, самостоятельно управляя реализацией в рамках направления.
• Сильные коммуникативные навыки и способность напрямую работать с менеджерами по продукту и техническими заинтересованными сторонами.
• Способность балансировать скорость и инженерное качество: быстро валидировать идеи при высокой неопределенности и создавать надежные решения при движении к продакшну.

Приветствуется

• Предыдущий опыт работы в качестве Tech Lead, Stream Lead или технического владельца ML-инициатив.
• Опыт работы с Kubernetes и CI/CD.
• Опыт работы с Kafka или другими потоковыми платформами.
• Опыт работы с Airflow, MLflow, отслеживанием экспериментов, мониторингом моделей или аналогичными инструментами.
• Опыт создания ML-сервисов реального времени или высоконагруженных ML-сервисов.
• Опыт работы с FastAPI или аналогичными фреймворками Python-сервисов.
• Опыт работы в различных ML-доменах, таких как рекомендательные системы, ранжирование, NLP/LLMs, Computer Vision, обнаружение аномалий, прогнозирование или классификация.
• Опыт работы с LLM inference, fine-tuning или другими GenAI-системами.
• Опыт работы в командах, где Data Scientists и ML Engineers сами отвечают за существенную часть продакшн-реализации.