Tech Lead ML

Объединённая компания Wildberries и Russ (ООО «РВБ») — это международная технологическая компания, основанная в России. Она образована в результате слияния двух лидеров рынка — IT-компании Wildberries и оператора наружной рекламы Russ — с целью совместного создания новейшей цифровой торговой платформы и предоставления бесшовных инструментов для развития малого и среднего бизнеса на территории стран присутствия.

Wildberries и Russ — это лидер рынков e-commerce и наружной рекламы в России с современной IT-инфраструктурой

О команде и проектах:

Команда Senior MLE, MLIE, DA и backend-разработчиков с продуктовым мышлением. Решаем задачи кредитного скоринга, роста клиентской базы, ценообразования

Архитектурный дизайн системы: от feature store до serving layer Обеспечение отказоустойчивости и масштабируемости ML-сервисов Внедрение best practices MLOps и code review процессов Руководство командой инженеров (backend, MLOps/DE) Развитие онлайн-сервисов скоринга с нагрузкой 10k+ RPS (Go/Python) Построение отказоустойчивых пайплайнов офлайн-скоринга и доставки данных до потребителя (Airflow, Spark, Kafka) Интеграция и оптимизация GPU-инфраструктуры для обучения и промышленного скоринга (Triton Inference Server, TensorRT, ONNX, quantization) Автоматизация CI/CD для ML-моделей Технический и бизнес мониторинг ML сервисов и качества скоринга (Prometheus, Grafana, Great Expectations) Создание и развитие платформы для R&D: настройка и сопровождение инструментов ClearML/MLflow, DVC, JupyterHub Взаимодействие с командами Data Science и DWH для обеспечения качественных данных, фиче-сторов и удобных рабочих процессов Опыт работы в роли Tech Lead инфраструктуры от 3 лет Практический опыт построения и поддержки высоконагруженных ML-сервисов (онлайн и офлайн скоринг) Владение требуемым тех стеком Опыт работы с GPU-инфраструктурой, Triton Inference Server, оптимизация моделей для production Знание ML deployment patterns: REST APIs, gRPC, batch processing Знание принципов MLOps, опыт построения CI/CD Опыт построения инфраструктуры для RnD ML моделей будет плюсом Опыт взаимодействия с командами Data Science и DWH, понимание процессов feature engineering и data pipelines Умение принимать архитектурные решения и обеспечивать качество кода Навыки коммуникации и работы в кросс-функциональной команде