- Работа в Москве
- Удаленно
- Руководитель группы
- Руководитель группы ML Engineering, Рекомендации
Руководитель группы ML Engineering, Рекомендации
По договоренности
Привет! Это команда Рантайм рекомендаций.
Мы строим платформу, которая превращает терабайты данных в персонализированные рекомендации для миллионов пользователей Ozon. Наши алгоритмы решают, что покупатели увидят в следующий момент, и в этом нам помогают сложные ML-модели, работающие в реальном времени. Вместе с командой Data Science мы постоянно улучшаем платформу, делая рекомендации точнее и релевантнее.
Сейчас мы ищем руководителя группы ML Engineering, который возьмёт под контроль ключевой сервис инференса моделей и расчёта признаков. Вы будете управлять командой из 2-4 разработчиков, сохраняя баланс между технической и управленческой работой:
60% времени – архитектура, оптимизация и разработка,
40% времени – развитие команды и процессов.
Наш стек:
- Языки: Go (основные сервисы), Python (ML-часть).
- Базы: ScyllaDB, Redis.
- ML-рантайм: NVIDIA Triton, ONNX, OpenVINO.
- Инфраструктура: Kubernetes, Airflow.
Вы будете:
-  Разрабатывать и оптимизировать высоконагруженные ML-сервисы для рекомендаций, нейросетевого скоринга и обработки стриминговых данных. 
-  Интегрировать решения с ML-платформой и инфраструктурой Ozon. 
-  Продуктивизировать сложные модели, включая нейросети и аналоги LLM. 
-  Улучшать пайплайн публикации моделей и метрик качества рекомендаций. 
-  Внедрять мониторинг, обеспечивать отказоустойчивость и низкие задержки. 
-  Руководить командой: ставить цели, проводить код-ревью, масштабировать процессы. 
Нам важно:
- Опыт управления командой разработки или ML-инженеров (или сильная мотивация).
- Глубокие знания в ML Engineering и работе с высоконагруженными системами.
- Опыт вывода в production сложных моделей, включая нейросетевые подходы (LLM, глубокие рекомендательные системы и т.д.).
- Умение проектировать распределённые системы и оптимизировать их производительность.
Будет плюсом:
- Опыт работы с LLM, рекомендательными системами или скорингом.
- Практика внедрения стриминговой обработки данных.
- Понимание принципов персонализации в e-commerce или маркетплейсах.
Опубликована 23 дня назад