Senior ML Engineer в Рекомендации
Вакансия Senior ML Engineer в Рекомендации
wildberries На сервисе с: 06.10.26 12:21
Вакансия Senior ML Engineer в Рекомендации
🟢Удаленно🟢Полная занятость
🟢ЗП обсуждается на собеседовании
🟢В компанию Wildberries
🟦Описание вакансии
Команда Товарных рекомендаций помогает найти пользователю интересные ему товары в огромном ассортименте, а также занимается подбором похожих и сопутствующих товаров. Сейчас мы ищем Senior ML Engineer для разработки системы рекомендаций и увеличения средней корзины пользователя.
🟦Задачи
– Разрабатывать алгоритмы рекомендаций по сопутствующим и похожим товарам;
– Повышать релевантность рекомендаций для увеличения средней корзины и конверсии;
– Оптимизировать и перестраивать пайплайн подготовки данных и обучения моделей;
– Обучать модели ранжирования / эмбеддинговые модели, фьюзить табличные и контентные фичи, валидировать решение;
– Исследовать, проверять и адаптировать современные VLM подходы.
🟦Требования
– Опыт работы в области ML от 5 лет;
– Опыт разработки рекомендательных систем в продуктах - понимание подходов, принципов и архитектур;
– Глубокие знания в классическом ML и опыт работы с актуальным стеком моделей;
– Практические навыки в ML-стеке: Polars/Pandas для ETL, Numpy, Scipy, Scikit-learn, XGBoost/LightGBM/CatBoost, опыт разработки пайплайнов обучения и сериализации моделей;
– Базовый опыт построения ETL-процессов с использованием PySpark;
– Уверенные навыки в алгоритмах и структурах данных, глубокие знания в DL, CLIP/VLM: уверенное понимание архитектур трансформеров и мультимодальных моделей;
– Опыт работы с современными LLM/VLM моделями, обучения мультимодальных векторных моделей;
– Желание развивать SOTA подходы в рекомендациях;
– Опыт работы с векторными базами данных и инструментами ANN для быстрых поисков будет плюсом.
🌐 ••••••••
Похожие вакансии Data Science & ML
NLP Engineer (LLM / Generative AI)
Обращаем внимание, что вакансия предполагает full-time office.
Ключевые задачи:
– Формировать дорожную карту LLM/GenAI-инициатив для трейдинга и смежных бизнес-функций.
– Разрабатывать end-to-end LLM-приложения: от подготовки данных и базы знаний, прототипирования и оценки качества до production-деплоя, мониторинга и поддержки.
– Проектировать и внедрять RAG-системы, LLM-решения и AI-агентов с tool/function calling, structured outputs и интеграциями с внутренними системами и API.
– Проектировать retrieval-слой: embeddings, semantic/vector search, hybrid search, reranking, chunking и работу с корпоративными базами знаний.
– Строить eval-пайплайны для LLM: автоматические метрики, LLM-as-a-Judge, регрессионные тесты, оценку галлюцинаций, качества retrieval и устойчивости промптов.
– Выбирать и сравнивать LLM под конкретные сценарии, проводить benchmark-тестирование open-source и API-моделей по качеству, latency, throughput и стоимости.
– Оптимизировать inference LLM: batching, caching, model routing, quantization, работу с длинным контекстом и использование GPU-ресурсов.
– Развивать LLMOps-практики: версионирование промптов, конфигураций и eval-наборов, observability/tracing, мониторинг качества, CI/CD и воспроизводимость экспериментов.
– Проводить технические ревью LLM-решений, задавать инженерные стандарты и развивать экспертизу команды.
– Коммуницировать качество, ограничения и риски LLM-систем техническим и бизнес-стейкхолдерам.
Требования:
– 3+ лет опыта в Data Science, включая практический опыт разработки и вывода LLM/GenAI-систем в production.
– Продвинутый Python и уверенная работа с PyTorch, Hugging Face Transformers и экосистемой инструментов для LLM.
– Глубокое понимание архитектуры и принципов работы LLM: transformers, attention, tokenization, embeddings, context window, prompting и reasoning.
– Практический опыт построения RAG-систем: vector search, retrieval, reranking, chunking, metadata filtering и оценка качества retrieval.
– Опыт разработки agentic workflows и интеграций через tool/function calling; знание LangGraph, LangChain, LlamaIndex, OpenAI Agents SDK или аналогичных инструментов.
– Опыт построения систем оценки LLM: eval datasets, LLM-as-a-Judge, offline/online evaluation, regression testing и контроль качества ответов.
– Опыт inference и serving LLM через vLLM, Hugging Face, Triton или аналогичные решения; понимание batching, KV cache, quantization и GPU-инференса.
– Опыт эксплуатации production LLM-сервисов: Docker, Kubernetes, CI/CD, Git, логирование, tracing, мониторинг и отказоустойчивость.
– Опыт технического лидерства, наставничества и взаимодействия с кросс-функциональными командами.
– Английский не ниже B2 для работы с международной документацией и стейкхолдерами.
Будет плюсом:
– Глубокий опыт работы с open-source LLM и самостоятельного развертывания моделей.
– Опыт распределенного inference и оптимизации serving на нескольких GPU.
– Опыт работы с multimodal LLM.
– Понимание специфики нефтяной отрасли, трейдинга или смежных коммерческих процессов.
Условия:
- График 5/2, комфортный офис (Москва-Сити, работа только в офисе, нет гибридного формата);
- Корпоративная программа ДМС после испытательного срока;
- Рабочие инструменты: ноутбук/ПК, мобильный телефон, корпоративная сим-карта;
- Высокий уровень дохода (обсуждается на собеседовании);
- Возможности развития, интересные задачи, отсутствие бюрократии.
Почему стоит присоединиться к нам:
- Работа над передовыми ИИ-технологиями и созданием инновационных решений;
- Возможность влиять на архитектуру и логику будущих продуктов;
- Динамичная среда, где каждый твой анализ — шаг к реальному продукту.
- Если вы увлекаетесь технологиями, умеете «читать» бизнес и видеть в нём возможности для автоматизации — мы будем рады пообщаться подробнее!
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.