- Страна
- Россия
Откликайтесь
на вакансии с ИИ
ML-инженер (рекомендательные системы, ALS/ANN)
Оценка ИИИнтересный стек технологий и актуальные задачи в сфере e-commerce. Вакансия предлагает работу с современными инструментами (ANN, Kafka, Airflow), что способствует профессиональному росту.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в области рекомендательных систем (ALS, ANN) и умения работать с высоконагруженным стеком (asyncio, Kafka). Необходимо понимание как математической базы ML, так и инженерных аспектов деплоя моделей.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для Middle/Senior ML-инженеров в России рыночный диапазон составляет от 250 000 до 450 000 рублей в зависимости от глубины экспертизы. Специалисты по рекомендательным системам часто ценятся выше среднего по рынку DS.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Откликайтесь через Runello-бот, чтобы стать частью команды и внедрять передовые алгоритмы рекомендаций в e-commerce!
Описание вакансии
ML-инженер (рекомендательные системы, ALS/ANN)
Грейд: Middle/Senior
Стек: Python, asyncio, uvloop, FastAPI, ClickHouse, Kafka, Airflow, Redis
ML-инженер для разработки рекомендательных систем в e-commerce. Работа с ALS, ANN (FAISS/HNSW), FastAPI, ClickHouse, Kafka, Airflow. Задачи включают retrieval, онлайн-инференс, дообучение моделей, A/B…
Откликнуться через Откликнуться ↓
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Redis
- Airflow
- Kafka
- FastAPI
- FAISS
- ClickHouse
- asyncio
- HNSW
- ANN
- ALS
- uvloop
Возможные вопросы на собеседовании
Важно понимать, как кандидат выбирает между точностью и скоростью поиска в больших пространствах векторов.
В каких случаях вы предпочтете HNSW вместо FAISS, и как вы будете настраивать параметры для баланса recall/latency?
Проверка навыков работы с асинхронным кодом, указанным в стеке.
Как использование uvloop и asyncio влияет на производительность FastAPI приложения при обработке большого количества запросов к Redis/ClickHouse?
Рекомендательные системы часто сталкиваются с проблемой холодного старта.
Какие стратегии вы используете для решения проблемы холодного старта для новых товаров в e-commerce при использовании ALS?
Проверка опыта работы с потоковой передачей данных.
Как вы организуете процесс обновления эмбеддингов в реальном времени при поступлении новых событий из Kafka?
Оценка понимания бизнес-метрик и методологии тестирования.
