- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Тимлид Data Science / ML (Team Lead DS/ML)
Оценка ИИTwinby — известный бренд с большой аудиторией, что гарантирует работу с интересными данными и реальный масштаб задач. Вакансия предлагает высокую степень ответственности и возможность напрямую влиять на продукт, работая удаленно.
Сложность вакансии
Оценка ИИРоль требует сочетания глубоких технических знаний в трех сложных областях (RecSys, Anti-fraud, CV/NLP) и развитых управленческих навыков. Необходимо иметь подтвержденный опыт влияния ML-решений на бизнес-метрики и умение работать с высоконагруженными системами.
Анализ зарплаты
Оценка ИИДля позиции Team Lead DS/ML в крупном российском продукте рыночный диапазон обычно составляет от 450 000 до 650 000 рублей после налогов. Учитывая масштаб Twinby и требования к 'играющему' лидеру, можно ожидать предложение в верхней части этого диапазона.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Twinby уже сейчас
Присоединяйтесь к Twinby, чтобы возглавить ML-направления в одном из крупнейших дейтинг-сервисов России!
Описание вакансии
Тимлид Data Science / ML (Team Lead DS/ML)
Локация: Удаленно в РФ
Компания: Twinby
ЗП: обсуждается на собеседовании
Занятость: Полная
Twinby — один из крупнейших российских дейтинг-сервисов с миллионами пользователей. Мы собираем сильную продуктовую ML-команду и ищем играющего тимлида DS/ML, который возьмёт на себя три ML-направления, напрямую двигающих продукт и деньги:
Рекомендации / матчинг — кого и в каком порядке показывать в ленте (ранжирование, кандидат-генерация → реранкинг).
Антифрод / антискам — боты, накрутки, фейки, romance scam.
Модерация контента — CV/NSFW и текст, Trust & Safety, безопасность пользователя.
Чем предстоит заниматься:
Владеть ML-направлением: доводить модели до боя и мерить эффект бизнес-метриками (конверсия, retention, fraud rate), а не только офлайн-метрикой.
Ставить процесс экспериментов: гипотеза → офлайн → A/B → раскатка → мониторинг дрейфа.
Растить команду: менторство, найм, развитие DS/ML-инженеров.
Приоритизировать ML-работу по бизнес-эффекту и договариваться с продуктом.
Что мы ждём:
Опыт, где ты вёл или строил рекомендации/ранжирование, антифрод/риски, поиск или модерацию и довёл их до измеримого влияния на бизнес-метрику (A/B, цифры). Сам недавно «в проде».
Зрелое A/B: дизайн теста, длина и мощность, новелти- и сетевые эффекты, заранее заданный критерий успеха; умеешь отделить офлайн-метрику от бизнес-эффекта.
Понимание прод-реалий ML: утечки данных (data leakage), дрейф моделей, train/serve skew, бюджет latency на инференс — для тебя норма.
Опыт ведения ML-команды/направления: растил инженеров, нанимал, ставил процесс экспериментов.
Говоришь и про модели (AUC/NDCG), и про бизнес (конверсия/retention/fraud rate); умеешь обосновать продукту, почему та или иная модель даст/не даст эффект.
Уровень — сильный senior / staff с подтверждённым лид-опытом.
*🌐 Резюме отправлять:* Откликнуться
–––
Бесплатный постинг вакансий: @freeIT_job
Забирай *📚* Базу Знаний
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Data Science
- Machine Learning
- Recommendation Systems
- Anti-fraud Systems
- Computer Vision
- NLP
- A/B Testing
- Ranking
- Python
- MLOps
Возможные вопросы на собеседовании
Проверка опыта в ключевом направлении продукта — рекомендациях.
Расскажите о вашем опыте построения пайплайна кандидат-генерации и реранкинга: какие алгоритмы использовали и как боролись с latency?
Важно понять, как кандидат связывает технические метрики с бизнесом.
Как вы определяете прокси-метрики для офлайн-валидации моделей антифрода, чтобы они максимально коррелировали с бизнес-показателями (fraud rate)?
Проверка зрелости в проведении экспериментов.
С какими сложностями при дизайне A/B тестов в дейтинге вы сталкивались (например, сетевые эффекты) и как их решали?
Оценка лидерских качеств и процессов.
Как вы выстраиваете процесс код-ревью и обмена знаниями внутри ML-команды, чтобы растить инженеров?
Проверка понимания жизненного цикла модели.
Как вы организуете мониторинг дрейфа данных и моделей в продакшене, и какие триггеры используете для переобучения?
Похожие вакансии
Тимлид команды data‑инженеров
ML Lead
Lead Data Engineer
ML/AI Lead
Lead Business Data Scientist
Python разработчик (DWH/Data Engineering)
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!