📍 Москва (м. Преображенская площадь)Санкт-Петербург (м. Адмиралтейская)Можно удалённо из РФ
Специализация
Data Science / Machine Learning
У нас большая команда ML — 20+ человек. Это и сайнтисты и дата инженеры и своя MLOps платформа.
Команда разделена на продуктовые стримы. Т.е. мы формируем самодостаточные команды (разработчики, аналитики, ML-инженеры) для решения задач бизнес-направления. С процессами интеграции моделей в продакшн нам помогает команда МЛОпс платформы. Многое, что связано с деплоем моделей уже автоматизировано.
И сейчас нам нужен +1 ML-инженер в команду Ранжирования и рекомендаций. Команда пилит рекомендательные системы и модели ранжирования на сайте и в приложении. Наши модели уже на довольно высоком уровне. Но мы не останавливаемся и постоянно делаем из хорошего лучшее.
Технологии/инструменты
PythonSQLApacheNLPPyTorch/TensorFlow
- Пишем преимущественно на Python (Numpy, Scipy, Pandas, SkLearn, Keras, PyTorch).
- Активно пользуем экосистему Hadoop (PySpark, Phoenix / HBase, Hive, Kafka), у нас свой кластер.
- Вычислительные ресурсы для разработки: в том числе машины.
- Luigi + самописные дополнения к Luigi для шедулинга тасок.
- Для технических метрик — Grafana, для бизнес метрик — Superset.
О компании
- Циан — публичная IT-компания, крупнейший в России сервис для поиска недвижимости, входит в мировой топ-10.
- Больше 20 лет мы помогаем быстрее решать вопросы с жилой и коммерческой недвижимостью: найти, оценить, купить, снять, продать, сдать и оформить сделку без рисков.
- Мы делаем сервисы, которые помогают владельцам недвижимости, застройщикам, агентам и обычным людям оптимизировать рутину поиска и продаж.
- Ежемесячная аудитория превышает 18,7 млн уникальных пользователей.
- Офисы компании расположены в Москве, Петербурге и Новосибирске, есть возможность выбрать любой режим посещения или работать вовсе удаленно фулл-тайм.
Про процессы
- У нас уже довольно зрелые процессы. Нет большого количества встреч, пишем чистый код, регулярно проводим демо и ретро по итогам квартала.
- Обмениваемся опытом: проводим внутренние митапы, на которых делимся идеями и советуемся друг с другом.
- Развиваем собственную MLOps платформу, на которой реализуем жизненный цикл моделей в продакшн.
- В команде выстроен процесс грейдирования и постановки личных планов развития.
Проекты
- Построение моделей ранжирования и рекомендаций с учетом монетизации объявлений.
- Развитие моделей персональных рекомендаций.
- Построение моделей склонности пользователя к использованию конкретных сервисов.
Задачи
- Разработка и внедрение в продакшн моделей машинного обучения для улучшения пользовательского опыта.
- Участие во внутри командных процессах.
- Коммуникация как с бизнес заказчиком, так и с data-scientist-ами.
- Проведение а/б экспериментов.
Ожидания
- Пишите легко читаемый и поддерживаемый код на Python.
- Имеете продвинутый уровень в SQL: оконные функции, оптимизация запросов.
- Имеете опыт в Apache стеке: HDFS / Kafka / Spark.
- Имеете опыт в ранжировании и рекомендациях, выводили модели в прод.
- Имеете базовые знания в NLP: трансформеры, TF-IDF.
- Имеете базовые знания CV: классификация, детекция, сегментация.
- DL: PyTorch / TensorFlow.
- Умеете хорошо построить валидацию, проверить результаты и отвалидировать бизнес-смысл.
- Выводили код в продакшн, желательно over / near — realtime.
Что предлагаем
- Технический рост. У нас есть успешные примеры роста с инженерной точки зрения (разработка, архитектура приложений и сервисов), а так же с точки зрения МЛ: есть возможность консультироваться с командой и брать инициативу по реализации крупных и сложных проектов.
- Рост и развитие: в первые месяцы у каждого сотрудника есть ментор, после появляется личный план развития и возможность прокачивать soft / hard skills на практике, обучении, конференциях.
- Плюшки: ДМС с первого дня (стоматология, госпитализация, полис ВЗР), ежегодная компенсация спорта, 5 day off в год, помимо основного отпуска.
Нестрашно, если вы за границей: мы полностью распределенная компания и работаем из разных стран. Если вас не пугает разница во времени, можете работать из любой точки мира.
Этапы интервью
- Общее знакомство по телефону с рекрутером минут на 15-20.
- Технические интервью с Тимлидом на 1.5 часа.
- Финал совместно с Head of ML, HR BP. Для нас очень важно взять в команду человека, с которым мы будем сходиться в ценностях. Не готовы здесь уступать даже в случае кандидатов с подходящими навыками и опытом. Подробнее о ценностях в Циан.
- И, наконец, оффер.
Полезные ссылки
Ирина Ситдикова Remote Recruiter