Senior Data Scientist (Search & Recommendation)

О команде

Команда отвечает за

• Разработку и улучшение алгоритмов ранжирования и рекомендаций.
• Создание и развитие единой системы управления ликвидностью, которая оптимизирует баланс между пользовательскими метриками и монетизацией для всех вертикалей.

Наш стек

• Пишем преимущественно на Python (Numpy, SciPy, pandas, Scikit-learn, PyTorch).
• Активно используем экосистему Hadoop (PySpark, Hive, Kafka), у нас свой большой кластер.
• Для автоматизации запусков наших пайплайнов используем Airflow.
• Для технических метрик — Grafana, для бизнес-метрик — FineBI.

Основные задачи

• Построение архитектуры системы управления ликвидностью (система хранения данных о пользователе и об объекте, формула ранжирования, модели предсказания CTR).
• Разработка и внедрение в продакшн моделей машинного обучения (в первую очередь, модели предсказания CTR) для новой системы управления ликвидностью.
• Расширение экспертизы коллег DS, менторство.
• Участие во внутрикомандных процессах.

Требования к кандидату

• Опыт доведения ML-моделей до продакшена и оценки влияния на бизнес от внедрения.
• Опыт построения ML-моделей для персонального ранжирования, рекомендаций и предсказания CTR.
• Опыт использования технологий для работы с большими данными и распределенными системами (Hadoop, Spark, S3).
• Знание ML-алгоритмов и применение их на практике.
• Владение Python и основными ML-фреймворками.
• Опыт внедрения многокритериальных оптимизационных моделей для балансировки интересов нескольких направлений B2B/B2C.
• Опыт работы с Highload-системами с жесткими требованиями к времени отклика.
• Понимание различных моделей монетизации и механизмов управления ликвидности.
• Опыт работы 3–6 лет.
• Прикладной опыт и подтвержденные успехи в решении задач ранжирования и построения рекомендаций, а также желание погружаться в сложные задачи и делать поиск для пользователей максимально удобным и релевантным.

Будет плюсом, если есть опыт в DL.

Что мы предлагаем

• Удаленную работу с возможностью приходить в офис в Москве, Санкт-Петербурге и Новосибирске. В офисе — кухни, оборудованные всем необходимым, а также снеки, фрукты, кофе и чай, бесплатная авто и вело парковки.
• Технический рост. У нас есть успешные примеры роста с точки зрения ML, а также инженерии (разработка, архитектура приложений и сервисов): 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. В команде настроены процессы перфоманс-ревью, регулярного обмена опытом, выделяем время на исследовательскую работу.
• ДМС с первого рабочего дня (со стоматологией, госпитализацией, страховкой выезжающего за пределы нашей страны).
• 5 days-off в год, помимо основного отпуска.
• Кафетерий льгот Benefactory.