ML / Recsys Engineer в Персональные рекомендации

Навыки

• Алгоритмы и структуры данных
• XGBoost / LightGBM / CatBoost
• Email-маркетинг
• Machine Learning
• NumPy
• Pandas
• Polars / Dask

Задачи

• 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)

Требования

• 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

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.