Через Telegram — пароль придумывать не нужно.
Кнопка не появилась или после подтверждения ничего не произошло? Значит в настройках бота указан другой домен — он должен совпадать с fokcus.ru в точности.
tteam.global · Remote · удалённо
О нас: Мы строим ведущую платформу классифайдных объявлений Узбекистана. Наш продукт помогает миллионам пользователей покупать и продавать — от недвижимости до электроники. ML — не вспомогательный инструмент, а ядро нашего продукта: поиск, ранжирование, модерация и рекомендации. Команда находится на активной стадии построения ML-инфраструктуры с нуля: мы выбираем технологии, формируем процессы и закладываем фундамент для ML-платформы следующего поколения.
Чем предстоит заниматься: Развивать качество поиска: LTR-модели (LambdaMART/LightGBM), разрабатывать и интегрировать векторный поиск, улучшение поискового пайплайна (работа с саджестером, catpred). Строить ML-модели для Trust & Safety: обнаружение мошенничества, модерация объявлений, NER в мессенджерах, скоринг нарушений. Развивать систему рекомендаций - item2item, user2item рекомендации. Участвовать в проектировании и развёртывании ML-платформы (SageMaker, MLflow, Feast, Evidently, Airflow). Стек: Python CatBoost / XgBoost Solr Sentence-Transformers MLflow SageMaker Feast Airflow Trino / Iceberg
Что мы ищем: Опыт разработки и деплоя ML-моделей в production (2+ лет): классификация, ранжирование, регрессия, кластеризация. Уверенное владение Python и стандартным ML-стеком: scikit-learn, CatBoost/XGBoost, pandas, numpy. Понимание основ статистики и умение грамотно формулировать и проверять гипотезы. Опыт работы с реальными данными: очистка, feature engineering, работа с пропусками и дисбалансом классов. Умение работать с SQL и большими объёмами данных (Hive, Trino, Spark или аналоги). Способность самостоятельно довести задачу от постановки до результата — без постоянного контроля. Умение общаться с продуктовой командой: переводить бизнес-задачу в ML-постановку и объяснять результаты нетехническим коллегам. AI-first: понимание что такое harness, что такое skills, как правильно применять ИИ в разработке. Будет плюсом: Опыт в Trust & Safety, модерации контента или фрод-детекции. Знакомство с поиском и ранжированием: BM25, LTR, векторный поиск. Опыт построения рекомендательных систем. Опыт работы в Ecom/классифайдах. Почему стоит присоединиться: Работа над реальным продуктом с высокой нагрузкой и аудиторией в Узбекистане. Возможность формировать ML-стратегию с нуля, а не поддерживать legacy. Небольшая команда с высокой автономией и коротким путём от идеи до production.
Что мы предлагаем: Участие в развитии проекта со старта. Прямое влияние на конечный продукт. Перспективы профессионального и карьерного роста. Развитие в команде опытных коллег. Минимум бюрократии и быстрое принятие решений. Индивидуальное обсуждение графика и формата работы с каждым сотрудником.
ML Engineer О нас: Мы строим ведущую платформу классифайдных объявлений Узбекистана. Наш продукт помогает миллионам пользователей покупать и продавать — от недвижимости до электроники. ML — не вспомогательный инструмент, а ядро нашего продукта: поиск, ранжирование, модерация и рекомендации. Команда находится на активной стадии построения ML-инфраструктуры с нуля: мы выбираем технологии, формируем процессы и закладываем фундамент для ML-платформы следующего поколения. Чем предстоит заниматься: Развивать качество поиска: LTR-модели (LambdaMART/LightGBM), разрабатывать и интегрировать векторный поиск, улучшение поискового пайплайна (работа с саджестером, catpred). Строить ML-модели для Trust & Safety: обнаружение мошенничества, модерация объявлений, NER в мессенджерах, скоринг нарушений. Развивать систему рекомендаций - item2item, user2item рекомендации. Участвовать в проектировании и развёртывании ML-платформы (SageMaker, MLflow, Feast, Evidently, Airflow). Стек: Python CatBoost / XgBoost Solr Sentence-Transformers MLflow SageMaker Feast Airflow Trino / Iceberg Что мы ищем: Опыт разработки и деплоя ML-моделей в production (2+ лет): классификация, ранжирование, регрессия, кластеризация. Уверенное владение Python и стандартным ML-стеком: scikit-learn, CatBoost/XGBoost, pandas, numpy. Понимание основ статистики и умение грамотно формулировать и проверять гипотезы. Опыт работы с реальными данными: очистка, feature engineering, работа с пропусками и дисбалансом классов. Умение работать с SQL и большими объёмами данных (Hive, Trino, Spark или аналоги). Способность самостоятельно довести задачу от постановки до результата — без постоянного контроля. Умение общаться с продуктовой командой: переводить бизнес-задачу в ML-постановку и объяснять результаты нетехническим коллегам. AI-first: понимание что такое harness, что такое skills, как правильно применять ИИ в разработке. Будет плюсом: Опыт в Trust & Safety, модерации контента или фрод-детекции. Знакомство с поиском и ранжированием: BM25, LTR, векторный поиск. Опыт построения рекомендательных систем. Опыт работы в Ecom/классифайдах. Почему стоит присоединиться: Работа над реальным продуктом с высокой нагрузкой и аудиторией в Узбекистане. Возможность формировать ML-стратегию с нуля, а не поддерживать legacy. Небольшая команда с высокой автономией и коротким путём от идеи до production. Что мы предлагаем: Участие в развитии проекта со старта. Прямое влияние на конечный продукт. Перспективы профессионального и карьерного роста. Развитие в команде опытных коллег. Минимум бюрократии и быстрое принятие решений. Индивидуальное обсуждение графика и формата работы с каждым сотрудником.