Senior-разработчик поиска данных (LLM, векторный поиск)

Modash помогает брендам находить, понимать и работать с авторами контента в Instagram, TikTok и YouTube. Более 2 700 компаний, включая Stanley 1913, Sennheiser и NordVPN, используют продукт для управления и масштабирования партнёрств с авторами. За продуктом стоит задача поиска: помогать клиентам находить нужных людей среди более чем 400 млн профилей авторов и миллиардов медиафайлов. Для этого команда объединяет крупномасштабную обработку данных, традиционный поиск, векторный поиск, мультимодальные эмбеддинги и LLM.

О роли

Поиск в Modash — не внутренняя платформа и не поддерживающая функция, а один из ключевых продуктов, которыми клиенты пользуются для поиска авторов. Масштаб большой, данные разнородные, поисковые намерения часто сложные. Клиент может искать авторов в определённой нише, людей, чей контент передаёт определённый визуальный стиль, или аккаунты, похожие на уже известную группу. Решение требует большего, чем добавление ещё одного фильтра или вызов LLM API. Нужен senior-инженер, который может работать по всей системе поиска — от данных и пайплайнов индексации до эмбеддингов, ранжирования, релевантности и низколатентной выдачи — и доводить неоднозначные продуктовые задачи до продакшена.

Вы присоединитесь к специализированной команде Data Search и будете тесно работать с Data Core, Data Insights, продуктовыми командами, клиентами и руководством компании. У вас будет реальная автономия, но не изоляция.

Задачи

• Улучшать поиск авторов: помогать клиентам находить людей среди более чем 400 млн профилей и миллиардов медиафайлов. Это включает поиск и извлечение, фильтрацию, ранжирование, релевантность, скорость и продуктовые решения, которые их связывают.
• Превращать мультимодальные данные в пригодную для поиска информацию: строить системы, которые генерируют и используют эмбеддинги из изображений, видео, текста и аудио в огромном масштабе, а затем делать эти сигналы полезными в клиентском поиске.
• Выпускать новые поисковые возможности в продакшен: прагматично оценивать модели и технологии, понимать компромиссы по стоимости, задержке и качеству и переводить перспективные подходы из эксперимента в надёжную продакшен-систему за недели, а не кварталы.
• Владеть системой сквозным образом: помогать формировать проблему, собирать требования, проектировать архитектуру, писать код, выпускать релиз, измерять результат и улучшать его. Senior-инженеры здесь отвечают за результаты, а не только за задачи по реализации.

Типичная неделя

• Понедельник. Поиск по клиентам возвращает технически релевантные, но бесполезные результаты. Вы изучаете этапы извлечения и ранжирования, находите, где теряется намерение, и предлагаете измеримое улучшение.
• Вторник. Время глубокой работы. Вы строите пайплайн для генерации мультимодальных эмбеддингов по крупной партии авторского контента и проверяете, как новое представление влияет на качество поиска и стоимость.
• Среда. Вы работаете с Data Insights над новой внутренней точкой данных. Вместе вы согласуете её определение, покрытие и требования к качеству данных, затем открываете её в поиске, чтобы дать клиентам больше способов находить авторов.
• Четверг. Вы тестируете модель реранжирования на фиксированном наборе реальных клиентских запросов. Вы измеряете, насколько она улучшает релевантность относительно добавленной задержки и стоимости вывода, и решаете, что готово для продакшена.
• Пятница. Вы просматриваете продакшен-метрики, исследуете регрессию релевантности и делитесь выводами с командой. Исправление может быть в модели, данных, логике запросов или самом продукте — вы следуете за доказательствами.

Встречи остаются целенаправленными, время для глубокой работы защищается. Вас ждёт короткий стендап, тесная коллаборация, когда она помогает, и достаточно пространства для проектирования, разработки, оптимизации и запуска.

Требования

• Опыт создания крупномасштабных данных или бэкенд-продуктов: уверенная работа с системами, где важны объём, задержка, надёжность и стоимость.
• Опыт выпуска продуктов от концепции до продакшена: вы отвечали за постановку задачи, архитектуру, реализацию, релиз, измерение и итерации, а не только за один слой решения.
• Опыт проектирования распределённых систем: умение ясно рассуждать о пропускной способности, отказах, потоке данных, масштабируемости и операционных компромиссах.
• Опыт создания функций на основе LLM или агентных функций в продакшене: понимание практических различий между моделями и умение балансировать возможности с задержкой и стоимостью.
• Опыт автономной работы над неоднозначными задачами: умение собирать требования, задавать полезные вопросы и превращать неполный контекст в движение вперёд.
• Опыт чёткой коммуникации между командами: умение объяснять технические компромиссы инженерам и не-инженерам.

Условия

• Формат работы: удалённо, Европа.
• Оплата: по договорённости.