- Страна
- Россия
Откликайтесь
на вакансии с ИИ
ML-разработчик в Город
Оценка ИИТ-Банк — один из лучших работодателей в РФ с сильной инженерной культурой. Проект «Город» предоставляет доступ к огромным объемам данных и современному стеку технологий, что гарантирует профессиональный рост.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в области рекомендательных систем и опыта работы с продакшн-средой (Docker, K8s, CI/CD). Высокая планка ожиданий по техническому стеку и самостоятельности в проведении A/B-тестов.
Анализ зарплаты
Оценка ИИТ-Банк обычно предлагает зарплаты на уровне или выше рыночных медиан для Senior/Middle+ специалистов. Учитывая требования к опыту от 2 лет и работу с K8s/Airflow, можно ожидать конкурентное предложение в указанном диапазоне.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Т-Банк уже сейчас
Присоединяйтесь к команде Т-Банка и создавайте инновационные рекомендательные системы для миллионов пользователей!
Описание вакансии
ML-разработчик в Город
Локация: Удалённо
Компания: Т-Банк
ЗП: обсуждается на собеседовании
Занятость: Полная
Мы развиваем Shopping — новое направление в мобильном приложении Т‑Банка в разделе «Город». Это маркетплейс с брендами, которых нет на других площадках.
Наша команда работает над рекомендательными системами FMCG-товаров (доставка продуктов) и non-FMCG-товаров (доставка одежды, обуви и так далее). Мы делаем ленты рекомендаций user2item, рекомендации на карточках товара item2item и товаров под корзиной заказа.
Ищем ML-инженера, который будет развивать двухуровневые рекомендательные пайплайны, экспериментировать с новыми подходами и проверять гипотезы для улучшения бизнес-метрик.
Обязанности:
- Ставить ML-задачи и определять подходящий для них стек ML-моделей
- Собирать и предобрабатывать датасеты для обучения моделей
- Разрабатывать ML-модели c нуля, проводить эксперименты для повышения качества и сравнивать разные подходы
- Участвовать в подготовке и проведении A/B-тестов
- Внедрять модели в прод через обновляемые по расписанию витрины и их поддержку. Или писать для этого API-микросервисы на K8s
- Настраивать мониторинг качества модели и бизнес-метрик, проводить диагностику и поддерживать стабильность ML-pipelines
- Читать статьи и разбирать новые подходы к персонализации
Требования:
- У вас есть высшее техническое образование или вы студент последних курсов
- Есть опыт работы в индустриальных ML-проектах от 2 лет — включая этап доставки предсказаний и моделей до прода
- Есть опыт в построении рекомендательных систем
- Уверенно владеете ML и DL
- Умеете программировать на Python, знаете стандартные библиотеки и фреймворки — PyTorch, Tensorflow 2.0, Jax
- Хорошо знаете SQL
- Умеете работать с Git и Docker
- Умеете работать в unix-подобных системах и с удаленными серверами
- Будет плюсом опыт создания и поддержания CI/CD-пайплайнов, создания и настройки систем мониторинга качества модели, опыт работы с клиентами баз данных, Kafka и Airflow
🌐 Резюме отправлять: Откликнуться
–––
Бесплатный постинг вакансий: @freeIT_job
Забирай 📚 Базу Знаний
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- TensorFlow
- JAX
- SQL
- Git
- Docker
- Kubernetes
- Kafka
- Airflow
- CI/CD
- Machine Learning
- Deep Learning
- Recommender Systems
Возможные вопросы на собеседовании
Вакансия сфокусирована на рекомендациях (user2item, item2item). Важно понимать, как кандидат решает проблему холодного старта и разреженности данных.
Расскажите о вашем опыте построения двухуровневых рекомендательных систем. Какие алгоритмы вы использовали для этапов отбора кандидатов (retrieval) и ранжирования (ranking)?
В описании указано внедрение моделей через API-микросервисы на K8s. Работодателю важно знать, насколько кандидат автономен в вопросах деплоя.
Опишите ваш процесс вывода ML-модели в продакшн. С какими сложностями вы сталкивались при работе с Docker и Kubernetes?
Упоминается участие в подготовке и проведении A/B-тестов. Это критично для оценки влияния ML на бизнес.
Как вы оцениваете результаты A/B-тестов для рекомендательных систем? Какие прокси-метрики и бизнес-метрики вы считаете наиболее показательными?
Требуется знание PyTorch/Tensorflow и современных подходов.
Какие современные архитектуры нейросетей для рекомендаций (например, на базе трансформеров или графовых сетей) вы изучали или применяли на практике?
Работа с данными — основа ML. Требуется уверенный SQL.
Представьте, что вам нужно собрать датасет для обучения модели cross-sell рекомендаций. Как бы вы оптимизировали SQL-запрос для обработки терабайтных логов транзакций?
Похожие вакансии
Junior Python Data Engineer
Data engineer
Senior Data Engineer
ML Engineer, Senior
Data Scientist Senior
Специалист по подготовке данных для ИИ (удалённо)
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!