Опубликовано 22 дней назад

Senior ML Engineer — Matching / NLP в HeadHunter::Analytics/Data Science Москва

в офис

middle

не указана

Сопроводительное письмо под эту вакансию

Софи напишет его под твоё резюме. Бесплатно — 5 писем в день.

Мы — ML-команда коммерческого департамента. Наша цель — напрямую влиять на ключевые бизнес-метрики (выручка, конверсия, эффективность продаж) с помощью моделей машинного обучения.

Основной фокус команды — uplift-моделирование для оптимизации работы отдела продаж. Параллельно мы развиваем ML-решения для задач матчинга и поиска, где ключевую роль играет работа с текстовыми данными и их представлением.

Мы ищем senior ML-инженера, который сможет развивать направление матчинга end-to-end: от улучшения качества моделей до внедрения решений в прод и оценки эффекта.

Обязанности:

Работать с текстовыми представлениями:
дообучение BERT с использованием LoRA / PEFT,
эксперименты с архитектурами и лоссами;
Проектировать matching-модели:
генерация кандидатов,
ранжирование,
offline/online валидация модели;
Вести полный цикл разработки ML-решений:
постановка задачи с заказчиком,
сбор и подготовка данных,
обучение моделей,
деплой в production,
A/B-тесты и анализ результатов;
Оптимизировать обучение и инференс:
multi-GPU / distributed training,
оптимизация используемой памяти RAM;
Улучшать ML-инфраструктуру и пайплайны;
Выступать техническим лидом в рамках своих задач:
предлагать архитектурные решения,
декомпозировать сложные задачи,
задавать план экспериментов.

Требования:

Уверенное владение Python с классическим ML-стеком.
Пишешь качественный и поддерживаемый код.
Уверенное знание мат. статистики. Умеешь работать с метриками и A/B-тестами.
Практический опыт разработки и внедрения моделей matching / retrieval / поиска.
Глубокое понимание трансформеров:
BERT-like архитектуры;
representation learning;
bi-encoder / cross-encoder подходы.
Практический опыт дообучения моделей: LoRA / PEFT или аналогичные техники;
Опыт эффективного обучения и оптимизации моделей: multi-GPU и работа с памятью.

Будет плюсом:

Опыт оптимизации inference (quantization, distillation);
Опыт построения датасетов для matching-задач;
Опыт работы с highload ML-системами;
Опыт uplift-моделирования.

Условия:

Возможность выбора места работы: удаленно или из офиса;
Гибкий график рабочего дня;
Оформление в соответствии с ТК РФ, «Белая» заработная плата, выплачиваемая точно в срок;
Корпоративное ДМС с первого месяца работы (решаем вопросы со здоровьем быстро и удобно);
Возможность профессионального развития, обучение за счет компании, участие в специализированных конференциях.