ML-инженер на создание рекомендательной системы

Что предстоит делать

Роль: ML-инженер на создание рекомендательной системы Мы — холдинг, который создаёт сервисы нового уровня для крупных игроков финансового рынка, где комфорт, культура жизни, продуманность и точность пользовательского опыта становятся единым стандартом качества. Разрабатываем и поддерживаем IT-продукты для ТОП-5 банка страны. Сейчас мы запускаем направление рекомендательных систем, которое будет напрямую влиять на ключевые продуктовые и бизнес-метрики. Ты подключаешься на этапе, где ещё нет готовых решений: предстоит заложить архитектуру, выстроить пайплайны работы с данными и реализовать подход к ранжированию. Это роль с полной ответственностью за цикл — от подготовки данных и обучения моделей до внедрения в production и оценки эффекта через A/B тесты. Ключевые навыки: • Опыт работы с Python (pandas, numpy и др.) и PySpark; • Отличная математическая подготовка; • Уверенное понимание алгоритмических и оптимизационных задач; • Опыт применения градиентного бустинга в production-задачах; • Глубокое понимание работы с эмбеддингами и векторными базами данных; • Опыт расчёта метрик ранжирования и проведения A/B тестов в production; • Знание SQL, Docker, Git; • Проактивная позиция и самостоятельность; • Умение обсуждать решения с командой и бизнес-заказчиками. Будет большим плюсом: • Опыт в разработке рекомендательных алгоритмов; • Знание или опыт интеграции OpenSearch/ElasticSearch с ML-моделью ранжирования; • Продакшн-опыт с векторными БД (QDrant, Milvus).

• Разработать ядро рекомендательной системы офферов на основе истории клиентских транзакций.
• Очистить и подготовить грязные транзакционные данные.
• Реализовать гибридное ранжирование OpenSearch + ML-модель.
• Построить пайплайн обучения модели.
• Задеплоить модель в production.
• Проводить A/B тесты для измерения бизнес-эффекта.

Что предлагаем