Senior ML Engineer в команду «Матчинг»

Андрей Шестаков, тимлид команды «Матчинг»

«Под капотом Профи несколько ML-моделей, которые напрямую влияют на ключевые метрики компании. Сможешь задрайвить развитие одной из них или внедрить новую»

Привет! Я Андрей, тимлид команды матчинга в маркетплейсе услуг Профи. Сейчас нас четверо: три ML-инженера и я.

Наша команда разработала и развивает несколько ML-моделей ранжирования и регрессии, от работы которых зависят результаты всей компании. Мы не только собираем датасеты и обучаем модели, но и формулируем признаки, доводим их расчёт до прода, продумываем сценарии с предсказанием алгоритмов, настраиваем пайплайны данных, мониторим стабильность и качество моделей.

Чтобы реализовать все планы, нам нужно больше ML-инженеров. Начнёшь с погружения в существующие модели и их развитие, затем предстоит разрабатывать новые и внедрять в другие направления.

Технологии

Python, Apache Spark, ClickHouse, Elastic Search, MySQL, PHP, Scala, TypeScript.

Зачем тебе к нам

Делать действительно интересные проекты. У большинства наших задач нет готовых решений. Приходится ломать голову, что именно нужно оптимизировать и какую метрику улучшить. Например, вот так решаем задачу ранжирования в двустороннем маркетплейсе.
Решать, как лучше выполнить задачу. Мы верим, что сильному специалисту достаточно сформулировать цель, а он сам найдёт способы её достижения. Мы обсуждаем продуктовые решения всей командой, где каждый может высказаться, поспорить и предложить свою идею.
Видеть результат своей работы. Матчинг — одна из ключевых технологий маркетплейса. Мы отвечаем за сервисы, которые напрямую влияют на важные метрики компании.

Чем предстоит заниматься

Помогать развивать один из ML-треков компании или взять его полностью на себя (зависит от твоих навыков и желания):
Эффективность ранжирования заказов в личном кабинете специалистов. Хотим научиться не просто показывать специалистам релевантные заказы, но и понимать, какие заказы принесут больше пользы специалистам, клиентам и маркетплейсу.
Повышение качества отбора кандидатов для выполнения заказа. Иногда клиенты предпочитают не ждать откликов, а писать специалистам напрямую. Хотим в таких случаях показывать более точный список подходящих и активных специалистов.
Разработка признаков и алгоритмов, которые помогут «смэтчить» специалистов и заказы.
Помогать другим продуктовым командам решать проблемы с помощью ML. Например:
Антифрод во всех его проявлениях.
Задачи ценообразования: консультация клиентов по цене и оценка выручки с заказа.
Предсказание, когда поступит первая заявка на заказ. Чтобы улучшить пользовательский опыт в клиентском приложении.
Улучшать инфраструктуру работы с данными и деплоя моделей: развивать текущий Feature Store, повышать эффективность и надёжность ML-сервисов.
Проводить A/B-тестирование алгоритмов, участвовать в обсуждении и анализе результатов.

Что нужно, чтобы к нам присоединиться

Опыт промышленной разработки на Python от трёх лет.
Знание основ Computer Science: структуры данных, базовые алгоритмы, вычислительная сложность.
Понимание основных принципов и алгоритмов машинного обучения.
Опыт проектирования сервисов, использующих машинное обучение.
Хорошая математическая подготовка. Знаешь статистику и теорию вероятностей. Понимаешь, как рассчитать производную сложной функции и перемножить матрицы.