Старший инженер по рекомендательным системам (ML)

Что предстоит делать

О компании Liquid AI Основанная на базе MIT CSAIL, мы создаём универсальные AI-системы, которые эффективно работают на различных целевых платформах — от ускорителей в дата-центрах до встроенного оборудования, обеспечивая низкую задержку, минимальное потребление памяти, конфиденциальность и надёжность. Мы сотрудничаем с предприятиями в сферах потребительской электроники, автомобилестроения, наук о жизни и финансовых услуг. Мы быстро масштабируемся и ищем выдающихся людей, которые помогут нам в этом. Возможность Это редкий шанс применить передовые архитектуры последовательных рекомендаций к реальным корпоративным задачам в масштабе. Вы будете полностью отвечать за прикладную ML-работу для задач рекомендательных систем, адаптируя Liquid Foundation Models для клиентов, которым нужны возможности персонализации и ранжирования, эффективно работающие в условиях производственных ограничений. В отличие от большинства рекомендательных ролей, ограниченных одним продуктом, эта роль даёт вам полную ответственность за то, как крупномасштабные рекомендательные модели адаптируются, оцениваются и развёртываются для корпоративных клиентов. В перерывах между проектами вы будете создавать переиспользуемые прикладные инструменты и рабочие процессы, ускоряющие будущие внедрения. Если вам важны качество данных в масштабе, моделирование поведения пользователей и реальная работа рекомендательных систем в корпоративных производственных средах, эта роль для вас. Кого мы ищем Нам нужен человек, который: - Берёт на себя ответственность: полностью отвечает за взаимодействие с клиентами по рекомендательным системам — от требований до внедрения и оценки. - Мыслит масштабно: умеет анализировать данные о взаимодействии пользователей, последовательное моделирование, проектирование признаков и оценку в крупномасштабных производственных системах. - Прагматичен: оптимизирует измеримые результаты для клиентов (вовлечённость, конверсия, рост выручки), а не теоретическую новизну. - Чётко коммуницирует: умеет переводить бизнес-метрики клиентов в технические решения и при необходимости аргументированно отстаивать свою позицию. Работа - Выступать техническим владельцем корпоративных проектов с клиентами, связанных с рекомендательными и ранжирующими задачами. - Переводить требования клиентов в конкретные спецификации для рекомендательных моделей. - Проектировать и выполнять пайплайны данных для взаимодействия пользователей, проектирования признаков и курирования обучающих данных в масштабе. - Донастраивать и адаптировать крупномасштабные последовательные рекомендательные модели (например, архитектуры типа HSTU) под конкретные задачи клиентов. - Разрабатывать специализированные оценки производительности рекомендательных моделей (качество ранжирования, задержка, пропускная способность) и интерпретировать результаты. - Создавать переиспользуемые прикладные инструменты и рабочие процессы, ускоряющие будущие проекты с клиентами. Желаемый опыт Обязательно: - Практический опыт создания или донастройки рекомендательных моделей в масштабе (не просто готовые коллаборативные фильтры). - Опыт работы с архитектурами последовательных рекомендаций, моделированием поведения пользователей или крупномасштабными системами ранжирования. - Глубокое понимание качества данных и дизайна оценки в контексте рекомендаций (офлайн-метрики, A/B-тестирование, согласование с бизнес-метриками). - Опыт работы с крупномасштабными пайплайнами данных для взаимодействия пользователей и проектирования признаков. - Владение Python и PyTorch с умением самостоятельно писать и отлаживать код. Желательно: - Опыт работы с рекомендательными архитектурами на основе трансформеров (HSTU, SASRec, BERT4Rec или аналоги). - Опыт внедрения рекомендательных систем для внешних клиентов с измеримыми бизнес-результатами. - Знакомство с обслуживанием рекомендательных моделей в условиях ограничений по задержке и пропускной способности. Как выглядит успех (первый год) - Самостоятельно ведёт и внедряет корпоративные проекты по рекомендательным системам с минимальным контролем. - Пользуется доверием клиентов как технический владелец, демонстрируя взвешенные решения по компромиссам между качеством модели, задержкой и бизнес-влиянием. - Создал переиспользуемые прикладные рабочие процессы или инструменты, ускоряющие будущие проекты с клиентами.

Что предлагаем