ML-инженер

Мы строим экосистему рекомендаций, которая сопровождает клиента на всем пути: от персональной подборки на главном экране до умного апселла в корзине. Специфика фудтеха — это физические ограничения. Нам мало просто угадать вкус. Мы должны учитывать юнит-экономику и операционную нагрузку: если пиццерия в "запаре", сложные продукты должны уступать место тем, что готовятся быстро. Твоя задача — построить систему, где ML управляет выдачей, балансируя между "хочу" клиента и эффективностью бизнеса.

Тебе предстоит

• Строить Multi-level Ranking: ранжировать не только товары, но и целые категории (Пицца vs Закуски), адаптируя структуру меню под интересы пользователя.
• Развивать блок "Топ-6" на главной: создавать алгоритмы для персональной витрины, которая встречает пользователя и конвертирует интерес в заказ за пару кликов.
• Совершенствовать Upsell в корзине: разрабатывать модели комплементарных товаров (напитки, соусы), которые идеально дополняют текущий заказ и растят средний чек.
• Делать Умный Поиск: улучшать поисковую выдачу, чтобы она обрабатывала опечатки, понимала синонимы и предлагала релевантные альтернативы, если точного совпадения нет.
• Внедрять Load Awareness: научить ранжирование учитывать текущую нагрузку на кухню, пессимизируя сложные позиции в часы пик.
• Выстраивать MLOps: управлять фичами через Feature Store, трекать эксперименты в MLflow и строить надежные пайплайны данных в PySpark.

Мы ожидаем

• Strong ML Background: Глубокое понимание Learning to Rank и метрик ранжирования. Ты умеешь работать с градиентным бустингом и кастомными лоссами.
• Data Engineering Skills: Уверенное владение SQL и PySpark. Ты можешь самостоятельно собрать витрину данных для обучения модели из сырых логов и чеков. Понимание принципов построения DWH и слоев данных.
• Product Mindset: Ты думаешь о том, как модель влияет на User Journey и деньги бизнеса, а не только на NDCG.
• MLOps Stack: Опыт работы с инструментами для управления жизненным циклом моделей (MLflow, Feast/Feature Store).

Будет плюсом:

• Базовые знания Kubernetes и Docker.
• Опыт построения CI/CD пайплайнов для ML.