Обязанности:
Задачи, над которыми предстоит работать: Поиск гипотез для улучшения релевантности поисковой выдачи Разработка новых признаков, обучение моделей ранжирования Проектирование и проведение A/B-тестов, вывод решений в продакшен Улучшение эксплуатационных характеристик ML-решений: наблюдаемость, надёжность, эффективность Мы ожидаем, что ты имеешь опыт: Ведения ML-проектов end-to-end в продакшене (от постановки задачи до поддержки) Отличного понимания классического ML: feature engineering, бустинги, классификация/регрессия, кросс-валидация, подбор порогов, калибровка Работы с поисковыми или рекомендательными системами Работы с DL (PyTorch/TensorFlow): fine-tuning, инференс моделей Написания Python production-качества: читаемый код, тесты на критичные компоненты, упаковка модели/артефактов и интеграция в сервис Мониторинга ML-систем: метрики качества, дрейф данных, алерты, диагностика и регламенты поддержки Уверенной работы с SQL: самостоятельная сборка датасетов, joins, window functions Интерпретируемости моделей и анализа ошибок Использования инструментов трекинга экспериментов: MLflow, W&B, DVC или аналогов Работы с оркестрацией и пайплайнами (Airflow / Prefect / Dagster) и продвинутыми data-процессамиПохожие вакансии