WILDBERRIES · гибрид
ML / Recsys Engineer в Персональные рекомендации
Что нужно делать -Разрабатывать и развивать алгоритмы, которые формируют ленту рекомендаций на Главной странице Wildberries для каждого пользователя с учётом его контекста (история действий, время суток, устройство, сезонность и тд.); -Внедрять и тестировать различные стратегии ранжирования — от классических (матричная факторизация, градиентный бустинг) до нейросетевых подходов (two‑tower модели, трансформеры); -Настраивать отдельные модели и стратегии для других зон маркетплейса, а также развивать медиа рекомендации в Wibes и WB Книги; -Участвовать в ранжировании поисковой выдачи и каталога, добавлять персонализированные сигналы в алгоритмы; -Развивать профиль пользователя и фичи таргетинга для быстрого применения персонализации в различных сценариях (скидочные акции, пуш-уведомления, email‑рассылки).
Какой опыт и знания нужны -Опыт работы в направлении ML от 3х лет; -Знание классического ML, DL; -Понимание, как устроены рекомендательные системы; -Опыт разработки рекомендательных систем; -Хорошее знание алгоритмов и структур данных; -Знание и умение применять для ML стек Python (Polars, Pandas, Sklearn, Numpy, Scipy, XGBoost/LightGBM/Catboost), а также SQL; -Опыт обучения моделей, которые работают в продуктах для массовой аудитории и приносят пользу; -Знание современных архитектур и желание развивать SOTA подходы к рекомендациям и ранжированию (OneRec, HSTU, DCN-v2); -Опыт выкатки моделей в production.
Python Job в Telegram | в VK | в Max
ML / Recsys Engineer в Персональные рекомендации #удаленка #гибрид Компания: Wildberries 🔹Что нужно делать -Разрабатывать и развивать алгоритмы, которые формируют ленту рекомендаций на Главной странице Wildberries для каждого пользователя с учётом его контекста (история действий, время суток, устройство, сезонность и тд.); -Внедрять и тестировать различные стратегии ранжирования — от классических (матричная факторизация, градиентный бустинг) до нейросетевых подходов (two‑tower модели, трансформеры); -Настраивать отдельные модели и стратегии для других зон маркетплейса, а также развивать медиа рекомендации в Wibes и WB Книги; -Участвовать в ранжировании поисковой выдачи и каталога, добавлять персонализированные сигналы в алгоритмы; -Развивать профиль пользователя и фичи таргетинга для быстрого применения персонализации в различных сценариях (скидочные акции, пуш-уведомления, email‑рассылки). 🔹Какой опыт и знания нужны -Опыт работы в направлении ML от 3х лет; -Знание классического ML, DL; -Понимание, как устроены рекомендательные системы; -Опыт разработки рекомендательных систем; -Хорошее знание алгоритмов и структур данных; -Знание и умение применять для ML стек Python (Polars, Pandas, Sklearn, Numpy, Scipy, XGBoost/LightGBM/Catboost), а также SQL; -Опыт обучения моделей, которые работают в продуктах для массовой аудитории и приносят пользу; -Знание современных архитектур и желание развивать SOTA подходы к рекомендациям и ранжированию (OneRec, HSTU, DCN-v2); -Опыт выкатки моделей в production. Откликнуться Python Job в Telegram | в VK | в Max