- Страна
- Россия
ML Engineer в Ценообразование
Оценка ИИWildberries — это топовый работодатель с огромными масштабами данных, что дает уникальный опыт. Вакансия предлагает работу над критически важным функционалом (ценообразование и матчинг) с современным стеком технологий.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует глубокой экспертизы в NLP и матчинге, а также опыта работы с мультимодальными эмбеддингами. Высокая планка ответственности за вывод моделей в продакшен в условиях огромных данных маркетплейса.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для Senior ML ролей в Москве в крупных тех-компаниях рынок начинается от 350-400 тысяч рублей. Wildberries обычно предлагает конкурентные условия, соответствующие или превышающие рыночные медианы для опытных инженеров.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
#middle #senior #гибрид #удаленка
Wildberries
ML Engineer в Ценообразование
Опыт работы: от 3 лет
Формат работы: гибрид или удалённо (Москва)
*☑️* Чем предстоит заниматься
-Развивать ядро матчинга: retrieval кандидатов по текстовым, картиночным и мультимодальным эмбеддингам, обучать модели классификации пар, работать с атрибутами товаров
-Улучшать NLP-часть пайплайна с учетом специфики оптовых товаров: обработка названий, извлечение атрибутов из описаний, дообучение эмбеддинг-моделей
-Доводить решения до прода и отвечать за них
*☑️* Наши пожелания к кандидатам
-Сильное понимание NLP: трансформерные модели, эмбеддинги, векторный поиск, опыт дообучения моделей под свою задачу
-Опыт в задачах матчинга
-Опыт в Data Science и ML Engineering с выводом моделей в продакшен от 3-х лет
-Уверенные знания Python, ML-стека, SQL
-Умение выбирать решение под задачу: не использовать нейросеть там, где достаточно эвристики, и наоборот
-Опыт с CV и мультимодальными моделями (CLIP-подобные, metric learning), LLM/VLM в задачах классификации/ранжирования будет плюсом
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- NLP
- SQL
- Transformers
- Vector Search
- Metric Learning
- CLIP
- LLM
- Computer Vision
Возможные вопросы на собеседовании
Проверка понимания архитектуры и процесса обучения моделей для сопоставления объектов.
Расскажите, как вы выстраивали процесс обучения моделей для матчинга товаров: какие функции потерь использовали и как формировали обучающую выборку?
Оценка практического опыта работы с векторными базами данных и оптимизации поиска.
Какие подходы к retrieval кандидатов вы считаете наиболее эффективными для высоконагруженных систем с миллионами товаров?
Проверка навыков работы с текстовыми данными в специфическом домене.
Как вы подходите к очистке и нормализации названий товаров, учитывая специфику опечаток и сокращений в e-commerce?
Оценка умения работать с современными мультимодальными архитектурами.
Был ли у вас опыт работы с CLIP-подобными моделями? Как объединить текстовые и визуальные признаки для улучшения качества матчинга?
Проверка инженерных навыков и понимания жизненного цикла ML-модели.
Опишите ваш опыт деплоя моделей: как вы организуете мониторинг качества модели в продакшене и процесс переобучения?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
