ML разработчик

Команда Поиска создает поисковый движок, который позволяет ассистенту на устройствах находить треки, исполнителей, плейлисты и подкасты.

• Участвовать в улучшении качества поиска: от офлайн-метрик ранжирования до стабильности ранжирования в проде;
• Разрабатывать и внедрять модели ранжирования Learning to Rank для повышения релевантности поисковой выдачи;
• Обучать и улучшать LTR-модели на базе классического ML и градиентного бустинга: CatBoost, LightGBM или XGBoost;
• Работать с BERT/NLP-моделями для векторизации запросов, документов и объектов музыкального каталога;
• Развивать гибридный retrieval-пайплайн: lexical search на базе OpenSearch/Elasticsearch, dense retrieval на BERT/Transformer-эмбеддингах и ML-reranking на LTR-моделях;
• Участвовать в обновлении и перестроении индекса для улучшения качества и скорости поиска;
• Разрабатывать запросно-независимые и запросно-зависимые фичи для ранжирования, персонализирующие фичи на основе действий пользователя, истории прослушиваний, кликов, пропусков, лайков и других сигналов;
• Развивать пайплайны оценки и переоценки качества поиска;
• Готовить обучающие датасеты для ранжирования на основе логов, кликов, прослушиваний, ручной разметки и implicit feedback;
• Участвовать в A/B-тестах поисковых изменений и анализе результатов;
• Развивать ML-пайплайны в Airflow;
• Работать с большими объёмами логов и фичей с использованием PySpark;
• Взаимодействовать с командой инфраструктуры при внедрении моделей ранжирования и новых фичей в production.

• Практический опыт в задачах ранжирования, поиска, рекомендаций или NLP от 3 лет;
• Опыт работы с классическим ML и градиентным бустингом: CatBoost, LightGBM или XGBoost;
• Опыт feature engineering для задач ранжирования, поиска или рекомендаций;
• Опыт работы с BERT/Transformer-моделями для NLP-задач: эмбеддинги, семантический поиск, matching query-document или reranking;
• Понимание принципов lexical search, dense retrieval и ML-reranking;
• Понимание, какие метрики применять в разных классах поисковых задач;
• Опыт работы с Airflow или другими оркестраторами задач для ML/data-пайплайнов;
• Опыт работы с большими данными: PySpark, SQL или аналогичные инструменты;
• Уверенное владение Python, умение писать читаемый и поддерживаемый код;
• Будет плюсом опыт production-эксплуатации моделей ранжирования, опыт построения гибридного или векторного поиска, опыт с retrieval-частью RAG-систем, опыт A/B-тестирования и оценки качества поиска, понимание типов событий и логов вокруг поиска, опыт работы с OpenSearch/Elasticsearch в highload-системах, опыт работы с векторным поиском и ANN-индексами, опыт построения мониторинга и алертинга для ML-моделей, опыт анализа деградации качества ранжирования в проде.

• Ежегодный пересмотр зарплаты, годовой бонус;
• Корпоративный спортзал и зоны отдыха;
• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития;
• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа;
• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ;
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров;
• Вознаграждение за рекомендацию друзей в команду Сбера.