yandex
Страна
Россия
+500% приглашений

Откликайтесь
на вакансии с ИИ

Ускорим процесс поиска работы
ГибридПолная занятость

ML / Recsys Engineer в Персональные рекомендации

ИИОценка ИИ

Отличная вакансия в топовом российском бигтехе с возможностью работать над продуктом огромного масштаба. Использование современных технологий (SOTA) и разнообразие задач (от главной страницы до медиа-сервисов) делают роль очень привлекательной для профессионального роста.


Вакансия из Quick Offer Global, списка международных компаний
Пожаловаться

Сложность вакансии

ЛегкоСложно
ИИОценка ИИ

Высокая сложность обусловлена необходимостью глубоких знаний в области RecSys и DL, а также опытом работы с высоконагруженными системами (SOTA подходы, выкатка в production). Требуется не только знание библиотек, но и понимание сложных архитектур вроде HSTU и DCN-v2.

Анализ зарплаты

Медиана450 000 ₽
Рынок350 000 ₽ – 600 000 ₽
ИИОценка ИИ

Зарплата в объявлении не указана, однако для ML-инженера с опытом от 3 лет в крупных российских технологических компаниях (уровня Senior) рыночные предложения обычно находятся в диапазоне 350 000 – 550 000 рублей. Wildberries традиционно предлагает конкурентоспособные условия, соответствующие верхним границам рынка.

Сопроводительное письмо

Меня заинтересовала вакансия ML-инженера в команду персональных рекомендаций Wildberries, так как я обладаю необходимым опытом разработки и внедрения рекомендательных систем в высоконагруженные продукты. В моем арсенале — уверенное владение стеком Python (Pandas, CatBoost, PyTorch) и глубокое понимание архитектур ранжирования, включая нейросетевые подходы.

На предыдущих проектах я успешно решал задачи по оптимизации воронки продаж через персонализацию выдачи и внедрение SOTA-моделей. Уверен, что мой опыт работы с большими данными и умение доводить ML-модели до продакшена помогут Wildberries сделать ленту рекомендаций еще более релевантной для каждого пользователя.

+250% к просмотрам

Составьте идеальное письмо к вакансии с ИИ-агентом

Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Wildberries уже сейчас

Присоединяйтесь к команде Wildberries и создавайте персонализированный опыт для миллионов пользователей крупнейшего маркетплейса!

Описание вакансии

ML / Recsys Engineer в Персональные рекомендации

#удаленка #гибрид

Компания: Wildberries

*🔹*Что нужно делать

-Разрабатывать и развивать алгоритмы, которые формируют ленту рекомендаций на Главной странице Wildberries для каждого пользователя с учётом его контекста (история действий, время суток, устройство, сезонность и тд.);

-Внедрять и тестировать различные стратегии ранжирования — от классических (матричная факторизация, градиентный бустинг) до нейросетевых подходов (two‑tower модели, трансформеры);

-Настраивать отдельные модели и стратегии для других зон маркетплейса, а также развивать медиа рекомендации в Wibes и WB Книги;

-Участвовать в ранжировании поисковой выдачи и каталога, добавлять персонализированные сигналы в алгоритмы;

-Развивать профиль пользователя и фичи таргетинга для быстрого применения персонализации в различных сценариях (скидочные акции, пуш-уведомления, email‑рассылки).

*🔹*Какой опыт и знания нужны

-Опыт работы в направлении ML от 3х лет;

-Знание классического ML, DL;

-Понимание, как устроены рекомендательные системы;

-Опыт разработки рекомендательных систем;

-Хорошее знание алгоритмов и структур данных;

-Знание и умение применять для ML стек Python (Polars, Pandas, Sklearn, Numpy, Scipy, XGBoost/LightGBM/Catboost), а также SQL;

-Опыт обучения моделей, которые работают в продуктах для массовой аудитории и приносят пользу;

-Знание современных архитектур и желание развивать SOTA подходы к рекомендациям и ранжированию (OneRec, HSTU, DCN-v2);

-Опыт выкатки моделей в production.

Откликнуться

Python Job в Telegram | в VK | в Max

+400% к собеседованиям

Создайте идеальное резюме с помощью ИИ-агента

Создайте идеальное резюме с помощью ИИ-агента

Навыки

  • Python
  • NumPy
  • Pandas
  • Machine Learning
  • SQL
  • Deep Learning
  • Transformers
  • Scikit-learn
  • Recommendation Systems
  • XGBoost
  • Polars
  • LightGBM
  • SciPy
  • Ranking
  • CatBoost

Возможные вопросы на собеседовании

Проверка понимания фундаментальных основ рекомендательных систем.

Расскажите о преимуществах и недостатках Two-Tower моделей по сравнению с классической матричной факторизацией в контексте Wildberries.

Оценка практического опыта работы с современными архитектурами, упомянутыми в вакансии.

В каких случаях архитектура DCN-v2 показывает лучшие результаты, чем стандартный MLP для задач ранжирования?

Проверка навыков работы с данными и фичами, критически важными для маркетплейса.

Как бы вы решали проблему холодного старта для новых товаров в ленте рекомендаций на главной странице?

Оценка инженерных навыков и понимания жизненного цикла модели.

Опишите ваш процесс мониторинга качества рекомендательной системы в продакшене: какие метрики (бизнес и ML) вы бы отслеживали в первую очередь?

Проверка алгоритмической подготовки.

Как эффективно реализовать поиск ближайших соседей (ANN) в пространстве эмбеддингов для миллионов товаров в реальном времени?

Похожие вакансии

более 1000 офферов получено
4.9

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!

Россия