Team Leader — Matching (Data Science / ML)

Александр Сергеев, СТО

«В матчинге много вызовов, где нет очевидных решений. Это делает работу интересной и творческой».

Привет! Я Саша, СТО в Профи. Наш сервис помогает клиентам и специалистам встретиться. Одна из ключевых технологий маркетплейса — матчинг.

Команда матчинга разработала и развивает несколько важных алгоритмов:

модель ранжирования заказов в ленте специалистов;
алгоритм рассылки приглашений для специалистов к выполнению заказа;
алгоритм предсказания стоимости заказа.

По пути ребята создали инфраструктуру, в которой могут появиться и другие модели. Сейчас в команде четыре ML-инженера, которые плотно взаимодействуют с бизнес-заказчиками — менеджерами продукта. Ищем лидера, который будет создавать условия для высокой производительности и комфортной работы команды.

Технологии

У нас довольно развитая инфраструктура — пайплайны, фиче-стор, деплой в Kubernetes, платформа для А/B-тестов.

Стек: Python, Apache Spark, ClickHouse, Elastic Search, MySQL, Kubernetes.

Чем предстоит заниматься

Мы видим эту роль как servant leader: инженеры фокусируются на улучшении моделей, а тимлид создаёт для этого условия. «Микроменеджерить» никого не придётся, команда сильная и самостоятельная.

Нужно будет:

Увеличивать производительность команды через развитие людей, процессов, инструментов.
Планировать краткосрочно и долгосрочно.
Развивать ML-инфраструктуру.
Вместе с командой разрабатывать новые архитектуры, делать рефакторинг.
Проводить встречи one on one и полугодовые ревью с каждым участником команды.
Нанимать. В перспективе — формировать новые команды.

Что нужно, чтобы к нам присоединиться

Опыт работы на лидерской позиции не менее года: понимание роли тимлида и командных процессов, мышление с ориентацией на бизнес.
Опыт разработки от 5 лет, уверенное знание Python, базы CS.
Опыт работы с данными в ML, дата-инжиниринге или в высоконагруженных системах, знание баз данных.
Понимание классического ML.
Развитые навыки межличностного взаимодействия, опыт менторства или коучинга.
Будет плюсом опыт с Apache Spark, MLOps и другой релевантный опыт.