- Страна
- Россия
Откликайтесь
на вакансии с ИИ

ML Engineer
Привлекательная вакансия в аккредитованной IT-компании с полным соцпакетом, ДМС и удаленкой. Четко описанный стек технологий и интересные задачи в области RecSys делают позицию сильной на рынке.
Сложность вакансии
Роль требует глубоких знаний в области RecSys и опыта работы с Big Data стеком (Hadoop, Spark), а также навыков деплоя в Kubernetes. Необходим опыт от 3 лет, что соответствует уровню Middle+/Senior.
Анализ зарплаты
Зарплата в объявлении не указана, но для ML-инженера с опытом от 3 лет и навыками RecSys/Big Data на российском рынке медиана составляет около 300,000 - 450,000 рублей. Аккредитованные IT-компании обычно предлагают конкурентные условия в этом диапазоне.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Innovative People уже сейчас
Отправьте свое резюме в Innovative People и станьте частью команды, создающей продвинутые рекомендательные системы!
Описание вакансии
ML Engineer
#удаленка
Компания: Innovative People
🔹Обязанности:
-Поддержка и доработка коробочной версии Битрикс24;
-Развивать существующие модели рекомендаций;
-Создавать новые модели рекомендаций в рамках бесконечных проигрываний;
-Внедрять разработанные решения в продакшен;
-Вести полный цикл мониторинга и поддержки внедренных решений;
-Анализировать качество рекомендаций, заниматься поиском проблемных зон, проведением А/B тестов (через платформу Амазми - схожа со множеством других, основные метрики ATS и Retention).
🔹Требования:
-Техническое образование;
-Опыт работы DS/ML инженером от 3 лет;
-Опыт от 1 года в разработке моделей рекомендаций/поиска/look-a-like;
-Опыт реализации и применения моделей машинного обучения в продакшн;
-Уверенное знание алгоритмов Machine Learning (с глубоким погружением в RecSys/Search/NLP);
-Способность самостоятельно исследовать новые ML подходы, читать статьи на английском и воспроизводить их;
-Владение Python 3 на уровне разработчика;
Знания:
numpy, scipy, sklearn, pandas;
Implicit/LightFM/RecTools;
PyTorch;
SQL, PySpark;
HDFS, Hadoop, docker, airflow, k8s, redis, fast api.
🔹Условия:
-оформление в аккредитованную IT-компанию по ТК РФ;
-ДМС уже со второй недели: стоматология, вызов врача или скорой, полис для выезда за границу и скидка 15% для подключения родственников;
-удаленный формат работы;
-современную технику для комфортной работы;
-возможность участвовать в профильных конференциях (можно даже как спикер!), а также проходить курсы повышения квалификации;
-клуб разговорного английского – встречаемся 2 раза в неделю с коллегами и преподавателем;
-классный корпоративный мерч – каждый год добавляем что-то новое;
-индивидуальные предложения от наших партнеров.
Контакты: Откликнуться
🔥 Подписаться на наши каналы / @best_itjob / @it_rab
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- NumPy
- Pandas
- PyTorch
- SQL
- Kubernetes
- NLP
- Redis
- Scikit-learn
- Recommendation Systems
- Docker
- PySpark
- Airflow
- Hadoop
- FastAPI
- HDFS
- SciPy
- Implicit
- LightFM
- RecTools
Возможные вопросы на собеседовании
Вакансия сфокусирована на рекомендательных системах. Важно понимать, как кандидат выбирает метрики для оценки качества.
Какие офлайн-метрики вы считаете наиболее релевантными для оценки качества рекомендаций в 'бесконечных проигрываниях' перед запуском A/B теста?
В стеке указаны PySpark и Hadoop. Вопрос проверяет умение работать с большими данными.
Расскажите о вашем опыте оптимизации PySpark джоб для подготовки признаков (feature engineering) при работе с терабайтными данными.
Упоминается поддержка коробочной версии Битрикс24. Важно понять, как ML модель будет интегрироваться в существующую архитектуру.
Как бы вы организовали архитектуру доставки рекомендаций в реальном времени через FastAPI, учитывая ограничения коробочного решения?
В требованиях указаны Implicit и LightFM. Проверка понимания алгоритмов.
В каких случаях вы предпочтете использование нейросетевых подходов на PyTorch классическим методам матричного разложения (ALS/BPR)?
Упоминается проведение A/B тестов через платформу Амазми.
Как вы справляетесь с проблемой 'холодного старта' для новых пользователей или контента в рамках ваших моделей?
Похожие вакансии
ML разработчик (Senior)
Senior / Middle+ Data Scientist
MlOps / Python Backend Engineer (ML)
Data Scientist Senior
Senior/Middle Data Engineer
Senior Data Scientist
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!