Задачи, над которыми предстоит работать:

Поиск гипотез для улучшения релевантности поисковой выдачи
Разработка новых признаков, обучение моделей ранжирования
Проектирование и проведение A/B-тестов, вывод решений в продакшен
Улучшение эксплуатационных характеристик ML-решений: наблюдаемость, надёжность, эффективность

Мы ожидаем, что ты имеешь опыт:

Ведения ML-проектов end-to-end в продакшене (от постановки задачи до поддержки)
Отличного понимания классического ML: feature engineering, бустинги, классификация/регрессия, кросс-валидация, подбор порогов, калибровка
Работы с поисковыми или рекомендательными системами
Работы с DL (PyTorch/TensorFlow): fine-tuning, инференс моделей
Написания Python production-качества: читаемый код, тесты на критичные компоненты, упаковка модели/артефактов и интеграция в сервис
Мониторинга ML-систем: метрики качества, дрейф данных, алерты, диагностика и регламенты поддержки
Уверенной работы с SQL: самостоятельная сборка датасетов, joins, window functions
Интерпретируемости моделей и анализа ошибок
Использования инструментов трекинга экспериментов: MLflow, W&B, DVC или аналогов
Работы с оркестрацией и пайплайнами (Airflow / Prefect / Dagster) и продвинутыми data-процессами