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.