Senior ML Engineer

Yubo — приложение для социальных знакомств, помогающее заводить друзей и общаться онлайн. Команда международная и мультикультурная.

О роли

Yubo масштабируется, и машинное обучение становится ключевым production-слоем, поддерживающим системы безопасности, рекомендаций и оптимизации продукта. Роль уникальна как масштабом и разнообразием данных, так и уровнем зрелости, которого компания стремится достичь. Обрабатываются большие объёмы изображений, текста и взаимодействий пользователей в реальном времени, что создаёт широкий спектр ML-задач:

• модерация контента (изображения, текст, поведение)
• рекомендательные системы и оптимизация вовлечённости
• модели обнаружения поведения и trust & safety
• новые сценарии, такие как динамическое ценообразование и оптимизация роста

Текущий ML-стек всё ещё развивается: устаревшие модели не полностью интегрированы в пайплайны, управление жизненным циклом остаётся непоследовательным. По мере расширения использования ML растёт сложность и зависимость от надёжных, хорошо структурированных систем. Требуется Senior ML Engineer в команду Platform Engineering, подчиняющегося напрямую Микаэлю (Head of Platform Engineering). Роль включает доставку ML-инициатив по всей компании, превращение идей в надёжные production-системы, работу от разработки и экспериментов до развёртывания, мониторинга и постоянного улучшения, а также вклад в развитие ML-платформы и инженерных практик.

Обязанности

ML-системы и доставка

• Реализация end-to-end ML-сценариев (рекомендательные системы, алгоритмы безопасности, модели модерации и т.д.).
• Проектирование, обучение, оценка и развёртывание ML-моделей.
• Баланс между скоростью доставки и надёжностью.

Жизненный цикл ML и надёжность

• Улучшение жизненного цикла ML (обучение, развёртывание, мониторинг, итерации).
• Установка KPI и стандартов мониторинга для отслеживания производительности моделей.
• Постоянное согласование с целями продукта и безопасности.
• Повышение надёжности и наблюдаемости production ML-систем.

Платформа и стандартизация

• Вклад в развитие ML-платформы через инструменты, рабочие процессы и переиспользуемые компоненты.
• Помощь в установлении и продвижении масштабируемых ML-инженерных практик.
• Улучшение self-service ML-возможностей.

Устаревшие и продвинутые сценарии

• Ответственность за устаревшие модели и их приведение в соответствие с текущими бизнес-потребностями.
• Улучшение, переобучение и интеграция их в современные пайплайны.
• Вклад в лучшие практики использования LLM в модерации, рекомендациях и других доменах.
• Исследование и внедрение продвинутых ML-подходов.

Кросс-функциональное взаимодействие

• Работа с командами Data Engineering, MLOps, Backend Platform и Product.
• Роль моста между ML, платформой и бизнес-стейкхолдерами.
• Техническое лидерство в ML-инициативах и улучшение инженерных практик.
• Обмен знаниями и повышение общего уровня ML-зрелости организации.

Техническое окружение / ML-стек

• ML-фреймворки: PyTorch
• Языки: Python (data stack)
• Ключевые темы: нейронные сети, LLM, сэмплирование данных
• Сценарии: рекомендательные системы, алгоритмы безопасности, модерация
• Экосистема: Data Engineering, MLOps-пайплайны, Backend Platform

Требования

• 5+ лет опыта в ML / Data, включая работу с крупномасштабными датасетами (сотни гигабайт).
• Сильная экспертиза в современных ML-фреймворках (TensorFlow, PyTorch или JAX).
• Высокая квалификация в Python (data ecosystem).
• Сильные знания нейронных сетей и практический опыт с LLM-системами.
• Понимание ML-систем end-to-end (данные → обучение → развёртывание → мониторинг).
• Сильный опыт в production ML-системах, не только в исследованиях.
• Сильное продуктовое чутьё и умение согласовывать модели с бизнес-потребностями.
• Прагматичность и ориентация на результат.