machine learning engineer

Добавь резюме в профиле, а нейросеть определит твою категорию. Затем ты сможешь генерировать сопроводительные письма для вакансий этой категории

GR8 Tech строит B2B-платформы для iGaming для операторов. Платформа обеспечивает персонализацию и обнаружение функций через системы машинного обучения, включая крупномасштабную рекомендательную систему на two-tower архитектуре, обслуживающую миллионы пользователей.

• Взять техническую ответственность за ключевые компоненты систем рекомендаций и персонализации (поиск, ранжирование, оценка).
• Проектировать и развивать модели поиска на основе two-tower и эмбеддингов с последующими ранжерами.
• Принимать архитектурные и моделирующие решения с учетом компромиссов по качеству модели, сложности системы, задержке и затратам.
• Определять и продвигать лучшие практики для проектирования ML-систем, экспериментов, оценки и развертывания.
• Проводить ревью ML-дизайнов, пайплайнов и кода с фокусом на корректность, поддерживаемость и готовность к продакшену.
• Разрабатывать, обучать и улучшать ML-модели для поиска и ранжирования.
• Работать с глубокими моделями на эмбеддингах и классическими подходами ML.
• Проводить глубокий анализ данных, исследование фич и системный анализ ошибок.
• Строить воспроизводимые эксперименты и надежные пайплайны оффлайн-оценки.
• Оптимизировать модели под оффлайн-метрики и онлайн-бизнес-KPI.
• Проектировать и запускать батчевые и реал-тайм пайплайны обучения и инференса в облаке с учетом масштабируемости и затрат.
• Проектировать, запускать и анализировать оффлайн-эксперименты и онлайн A/B-тесты.
• Владеть ML-компонентами в продакшене с фокусом на надежность, наблюдаемость и безопасные итерации.
• Мониторить производительность моделей и качество данных в продакшене.
• Сотрудничать по масштабируемой инфраструктуре обучения и сервиса ML-систем.
• Участвовать в анализе инцидентов ML-систем и вносить вклад в root-cause анализ и долгосрочные фиксы.
• Проектировать ML-системы с учетом режимов отказов, включая фоллбэки и graceful degradation.

• 5+ лет опыта в машинном обучении или прикладной data science.
• Сильные навыки Python и опыт написания продакшен-кода для ML.
• Крепкая база в основных инструментах ML и data science: NumPy, Pandas, scikit-learn.
• Практический опыт с фреймворками глубокого обучения (PyTorch или TensorFlow).
• Практический опыт с эмбеддинг-моделями и поиском на основе сходства.
• Опыт с древовидными моделями (LightGBM, XGBoost).
• Глубокое понимание оценки ML, экспериментов и прикладной статистики.
• Опыт развертывания, эксплуатации и поддержки ML-моделей в продакшене.
• Уверенное владение Git, Linux, Docker и стандартными workflow для ML-разработки.
• Практический опыт развертывания ML-систем в облаке (AWS или аналог).
• Будет плюсом опыт с рекомендательными системами или задачами поиска, two-tower архитектурами, ANN-методами и крупномасштабным поиском (FAISS), ML-продакшен-проблемами (training–serving skew, data leakage, model drift), данными пайплайнами и фичами в масштабе, лидерством или менторингов ML-инженеров, автоматизацией экспериментов и гиперпараметрами (Optuna, Ray Tune, Hyperopt), высоконагруженными потребительскими продуктами (контент, гейминг, медиа, маркетплейсы), CI/CD для ML-workflow.

• Ежегодный бюджет на бенефиты (спорт, медицина, ментальное здоровье, домашний офис, языки).
• Оплачиваемый декретный отпуск + ежемесячная компенсация на childcare.
• 20+ дней отпуска, неограниченный больничный, отгулы по чрезвычайным ситуациям.
• Remote-first с техподдержкой и компенсацией коворкинга.
• Командные ивенты (онлайн/оффлайн/оффсайт).
• Культура обучения с внутренними курсами и программами роста.