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.
И сейчас нам нужен +1 Senior ML-инженер в “Новостройки”.
О команде
Нас уже 20+ человек в команде МЛ. 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.
Сейчас у нас несколько команд:
- Аудитория. Работаем над B2C-продуктами. Персональное ранжирование, рекомендации. Разрабатываем чат-бота для общения с поискунами, который будет в современном формате расспрашивать клиента о его запросах, делать подборки, рекомендовать как быстрее решить свою задачу.
- Коллтрекинг. Анализируем записи телефонных разговоров поискунов с риелторами, обнаруживаем паттерны, ищем закономерности. В первую очередь работам над поиском спама и прозвона конкурентов для улучшения пользовательского опыта.
- Оптимизация ценообразования наших платных продуктов. Многорукие бандиты, семплирование Томпсона для поиска оптимальных цен.
- Модерация контента. Здесь много работаем с картинками (сравниваем их, находим те или иные объекты), много работаем с текстом для поиска и удаления фродового контента или просто случайные ошибки в заполнении.
- Автоматизация работы клиентской службы. Строим чат-бота, который будет автоматически отвечать на вопросы пользователей о нашем продукте.
Это примерно половина того, что мы делаем, с остальным можно познакомиться в процессе интервью.
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.
ML-команда из новостроек
- Пилит модели поиска скрытого фрода в звонках застройщикам.
- Определяет склонность пользователей к покупке квартиры в Новостройке.
- Занимается персонализацией опыта клиентов на сайте.
- Занимается поиском новых и оптимизацией существующих монетизационных механик (аукцион, динамическая оптимизация).
Мы видим на этой позиции человека, который
- Имеет В/О: МФТИ, МГУ (желательно Мехмат, ВМК), ВШЭ и т.п.
- Пишет легко читаемый и поддерживаемый код на Python.
- Умеет в SQL на продвинутом уровне — оконные функции, оптимизация запросов.
- Юзал Apache стек: HDFS/Kafka/PySpark (DF API).
- Может в классический ML: бустинги, линейные модели.
- Имеет базовые знания в NLP: трансформеры, TF-IDF.
- Имеет базовые знания CV: классификация, детекция, сегментация.
- Знает DL: PyTorch.
- Понимает ценность MLOps, и ценность переиспользования уже готовых решений внутри компании.
- Имеет кругозор или непосредственный опыт в реализации проектов для c и b пользователей.
- Способен самостоятельно коммуницировать с заказчиками и смежниками.
Мы 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.
Этапы интервью
- Общее знакомство по телефону с рекрутером минут на 15-20.
- Технические интервью с Тимлидом. Два интервью по 1.5 часа: общее интервью на знания в ML, Python, SQL; дизайн-интервью на проектирование реальной системы.
- Финал совместно с Head of ML, HR BP. Для нас очень важно взять в команду человека, с котором мы будем сходиться в ценностях. Не готовы здесь уступать даже в случае кандидатов с подходящими навыками и опытом.
- И, наконец, оффер.
Полезные ссылки
