Описание вакансии от работодателя
Сейчас в наше направление по разработке платформы данных ищем ML Engineer (Recommendation Systems), который будет развивать рекомендательные системы и поможет нам перейти от rule-based решений к ML.
Рекомендации сейчас работают на rule-based baseline в проде; следующий шаг — перейти к ML и построить полноценный цикл экспериментов вокруг них.
Задача нетиповая, и это стоит понимать до отклика. Ассортимент, который видит пользователь, определяется геозоной доставки и наличием товара у конкретного локального мерчанта. Каталог обновляется быстро, товар скоропортящийся, холодный старт по SKU — нормальный режим работы, а не краевой случай. Персональной истории мало: подарки покупают несколько раз в год. Маркетплейс двусторонний — релевантность покупателю приходится балансировать с экономикой мерчантов.
Обязанности
Первые три месяца:
разобраться в текущем baseline и данных, найти, где реально теряется качество;
спроектировать и наладить пайплайн обучения и инференса моделей;
сформировать рабочий цикл ML-экспериментов: офлайн-валидация → A/B на боевом трафике → решение по результату эксперимента.
Дальше, по мере зрелости системы:
Приоритет №1 на ближайший год остаётся за рекомендациями: качество ранжирования, персонализация, работа с холодным стартом.
Параллельно будет расти платформенная часть — feature store, фреймворк экспериментов, мониторинг моделей.
В перспективе есть направления CV (классификация товаров, поиск по изображению) и прогнозирования спроса.
Требования
ориентировочно от 4 лет опыта в production ML в рекомендациях, поиске или ранжировании с участием в полном цикле разработки – от обучения моделей до запуска в продакшен;
опыт разработки современных RecSys-моделей и их запуска в продакшен с измеримым влиянием на продуктовые и бизнес-метрики;
A/B-тесты: сами дизайнили, запускали, анализировали (не только читали результаты);
автономность: можете спроектировать систему от идеи до production без ежедневного надзора.
Технические навыки:
Python (production-grade код);
PyTorch или TensorFlow (реально обучали модели, не только inference);
SQL (сложные аналитические запросы) для сбора и подготовки данных;
Linux, Git, Docker.
Инженерное мышление:
умеете обосновать, где нужна модель, а где достаточно эвристики — в обе стороны;
проговариваете trade-offs: latency против качества, сложность против поддерживаемости;
валидируете результат так, чтобы ему можно было верить;
готовы читать чужой код на незнакомом языке и договариваться о контрактах между командами.
Большим плюсом будет:
мультимодальные эмбеддинги (CLIP/SigLIP-подобные), работа с контентными представлениями товара;
Vector databases: Qdrant, Milvus, Pinecone;
Feature stores: Feast, Tecton;
MLOps: MLflow, experiment tracking, model registry;
Causal inference, uplift, интерливинг;
Kubernetes, cloud (Yandex Cloud / AWS);
знание e-commerce домена: маркетплейсы, двусторонние рынки, ограничения предложения.
Условия
оформление: трудовой договор;
график работы: 5/2;
удаленный формат работы.
Что приятного мы делаем для сотрудников
предлагаем ДМС со стоматологией или компенсацию на медицинское обслуживание, а также сервис психологической
поддержки;
заботимся о физическом здоровье — компенсируем расходы на занятия спортом или покупку спортивного оборудования;
компенсируем стоимость техники, которую вы приобретаете для работы;
создаем условия для развития: оплачиваем обучение, конференции и митапы, нужные для работы;
подключаем к корпоративной программе лояльности: персональным скидкам на Flowwow и предложениям от партнеров.
Наши ценности
Забота и любовь
Наш продукт основан на желании людей радовать друг друга и быть вместе. Пока любовь жива, у Flowwow будут пользователи.
Развитие и рост
Flowwow быстро развивается и с радостью поддерживает инициативы сотрудников.
Культура взаимопомощи
У нас работают люди, вовлеченные в процесс и небезразличные к тому, что они делают.
Открытость к изменениям
Каждый может проявлять инициативу, предлагать и быстро видеть свой вклад в общий успех.
Благотворительность
Одна из целей Flowwow — помогать людям. Нас объединяют социальная ответственность и готовность участвовать в специальных благотворительных мероприятиях.