Team Lead / Senior ML Engineer - ETA & Prediction Systems

Непосредственная ML-разработка (60% времени)

• Владение системами прогнозирования ETA: Проектируйте, создавайте и развертывайте ML-модели для прогнозирования времени приготовления в ресторане, времени в пути курьера и динамических оценок доставки
• Решение задачи доставки еды: Решайте нашу критическую проблему точности ETA, которая влияет на удовлетворённость клиентов и операционную эффективность
• Создание признаков: Создавайте надёжные пайплайны для временных, географических и контекстуальных данных
• Разработка моделей: Исследуйте и внедряйте передовые методы, включая модели временных рядов, глубокое обучение (LSTM, Transformers) и ансамблевые методы
• Продакшен-развертывание: Переводите модели из исследовательской фазы в продакшен в средах реального времени с низкой задержкой
• A/B-тестирование и итерация: Проектируйте эксперименты для измерения влияния моделей и постоянного повышения точности

Кросс-функциональное сотрудничество

• Тесно сотрудничайте с продуктовой командой для понимания бизнес-требований и приоритетов
• Взаимодействуйте с инженерными командами для интеграции ML-моделей в производственные системы
• Сотрудничайте с продуктовым аналитиком для определения метрик и измерения успеха
• Представляйте результаты и выводы стейкхолдерам по всей организации

Что мы ищем

Обязательные требования:

• 5+ лет непосредственного опыта в ML/Data Science, включая как минимум 2+ года на технической руководящей роли (тимлид, техлид или старший независимый специалист с обязанностями по наставничеству)
• Подтверждённый опыт в прогнозировании временных рядов и предсказательных моделях (ARIMA, Prophet, LSTM, Transformers или аналогичные)
• Опыт продакшен ML: Трек-рекорд развертывания моделей в средах с высокой пропускной способностью и низкой задержкой
• Навыки программирования на Python; экспертное знание ML-фреймворков (TensorFlow, PyTorch, Scikit-learn)
• Глубокое знание SQL для создания признаков и анализа данных
• Опыт руководства: Уверенное наставничество инженеров, проведение интервью и принятие технических решений
• Навыки коммуникации: Способность объяснять сложные технические концепции как технической, так и нетехнической аудитории
• Степень бакалавра или магистра в области компьютерных наук, статистики, математики или смежной области

Сильное предпочтение:

• Опыт работы в логистических, сервисах доставки еды или такси (Yandex, Delivery Club, Ozon, WB, Magnit и т.д.)
• Экспертиза в предметной области прогнозирования ETA, маршрутизации или оценки времени в пути
• Опыт работы с геопространственными данными и библиотеками (PostGIS, GeoPandas, H3)
• Знакомство с MLOps, мониторингом моделей и фреймворками для экспериментов
• Опыт работы с технологиями потоковой обработки данных в реальном времени (Kafka, Kinesis)
• Трек-рекорд наставничества и развития младших инженеров

Почему стоит присоединиться к Rafeeq?

• Влияние: Ваши модели будут напрямую влиять на миллионы доставок и станут основой нашей платформы
• Возможность лидерства: Создайте и возглавьте функцию ML в высокорастущем стартапе
• Международная и удалённая работа: Работайте откуда угодно, сотрудничайте с глобальными специалистами, получайте оплату в USD/EUR
• Быстрый найм: Мы действуем быстро (обычно 2-3 месяца, часто быстрее для сильных кандидатов)
• Конкурентная компенсация: Рыночная зарплата в иностранной валюте + опционы на акции
• Ответственность: Формируйте техническое направление и решайте ключевые бизнес-задачи
• Рост: Возможность масштабировать команду и свою роль по мере нашего роста

Процесс найма

1. Первичный скрининг: Команда HR рассматривает заявки
2. Беседа с командой: Разговор с командой ML для обсуждения технического подхода и опыта
3. Финальное интервью: Углублённое техническое собеседование, охватывающее как лидерские, так и практические навыки ML
4. Оффер: Обычно 2-3 недели с первого контакта до предложения

Метрики успеха - Первые 90 дней

• Установите базовый уровень точности ETA и определите 3-5 главных возможностей для улучшения
• Запустите первую итерацию улучшенной модели ETA в продакшен
• Создайте дашборды мониторинга производительности моделей
• Наймите или начните процесс найма 1-2 дополнительных инженеров ML
• Установите еженедельный рабочий ритм команды и техническую дорожную карту на Q2-Q3