GRAI — это социальное музыкальное приложение из Варшавы, которое в настоящее время находится на стадии альфа-тестирования. Мы создаем новые способы прослушивания и отклика на музыку, уделяя особое внимание социальному, человеческому взаимодействию, которое происходит только тогда, когда люди связаны с обеих сторон. Чтобы эти связи были по-настоящему резонансными, мы ищем ведущего инженера по машинному обучению (Lead Machine Learning Engineer), который будет заниматься архитектурой, построением и масштабированием наших рекомендательных систем и систем обнаружения контента. Вы будете отвечать за техническую дорожную карту нашего стека RecSys, преобразуя необработанное поведение пользователей и социальные сигналы в глубоко персонализированный опыт в реальном времени.
Ваши задачи
- Техническое лидерство: Определение долгосрочного технического видения и архитектурной дорожной карты для наших рекомендательных систем и систем персонализации.
- Архитектура системы: Проектирование и контроль реализации масштабируемых конвейеров поиска, ранжирования и повторного ранжирования, способных обрабатывать огромные объемы данных о поведении пользователей и контенте.
- Полная ответственность: Руководство разработкой надежной инфраструктуры ML, включая автоматизированную обработку данных, хранилища признаков (feature stores), MLOps и мониторинг моделей в реальном времени.
- Наставничество и культура: Наставничество и обучение талантливой команды инженеров ML, развитие культуры технического совершенства, непрерывного обучения и строгого экспериментирования.
- Стратегия, основанная на данных: Разработка комплексных фреймворков для офлайн-оценки и руководство сложными стратегиями A/B-тестирования для проверки и итерации производительности моделей.
- Кросс-функциональное сотрудничество: Тесное партнерство с отделами продукта и инженерии для согласования инициатив ML с высокоуровневыми бизнес-метриками и целями продукта.
Что мы ищем
- Подтвержденный опыт: Обширный опыт проектирования, создания и масштабирования рекомендательных систем производственного уровня, поисковых систем или крупномасштабных моделей ранжирования.
- Техническое мастерство: Глубокие фундаментальные знания машинного обучения, архитектур глубокого обучения и современных методологий информационного поиска.
