Adviva · Алматы ·
Fully remote Middle/Middle+ ML Engineer or Data Scientist role focused on developing and improving existing recommendation systems: training and evaluating ranking/reranking models, feature engineering, ML pipelines (Airflow), and A/B testing. Core stack is Python, classic ML with gradient boosting (CatBoost/LightGBM/XGBoost), and PyTorch.
Центр развития трудовых ресурсов · Астана
Компания скрыта (Банк) · Россия
Айфортекс · Минск
Ищем ML Engineer / Data Scientist уровня Middle или Middle+ для работы с рекомендательными системами. Основной фокус — классическое машинное обучение, развитие и улучшение существующих моделей, работа с данными и ML-пайплайнами. Важно уметь самостоятельно решать технические задачи, оценивать качество моделей и находить возможности для улучшения рекомендаций.
Развитие и поддержка существующих рекомендательных систем.
Обучение, тестирование и улучшение ML-моделей.
Работа с данными: подготовка датасетов, feature engineering и добавление новых признаков.
Разработка и оценка моделей ранжирования (ranking / reranking).
Анализ качества рекомендаций, сравнение результатов моделей и оценка latency.
Развитие и поддержка ML-пайплайнов, в том числе с использованием Airflow.
Оценка эффективности моделей и анализ результатов экспериментов.
Участие в A/B-тестировании и базовом мониторинге качества моделей.
Уверенное владение Python.
Практический опыт с классическим ML: классификация, регрессия, ранжирование.
Опыт работы с бустингами: CatBoost, LightGBM, XGBoost.
Знание и практический опыт работы с PyTorch.
Понимание основных алгоритмов машинного обучения, базовой теории вероятностей и статистики.
Опыт работы с данными и построения ML-пайплайнов.
Умение самостоятельно вести задачи от анализа проблемы до оценки результата.
Коммерческий опыт разработки рекомендательных систем (RecSys).
Опыт работы с ranking / reranking-моделями.
Знание ALS и других подходов к построению рекомендаций.
Опыт работы с Airflow.
Опыт проведения A/B-тестов и оценки качества моделей.
Опыт применения LLM для решения задач машинного обучения, например для feature engineering.
Опыт работы с продуктовыми ML-системами и понимание особенностей их эксплуатации.
Полностью удалённая работа.
Работа над развитием существующих ML-сервисов и рекомендательных систем.
Возможность самостоятельно влиять на технические решения и качество моделей.
Команда, ориентированная на развитие ML-инфраструктуры, моделей и рекомендательных сервисов.
Минимум регулярных встреч и возможность сосредоточиться на технических задачах.
Сбер · Россия