Full-специалист — stack ML Engineer — FoodTech и рекомендации@ Food2Mood
О позиции
Компания Food2Mood ищет Full-stack ML Engineer для работы над проектами в области FoodTech. Ваша задача будет заключаться в разработке и внедрении машинного обучения для рекомендационных систем. Вы будете работать в гибридном формате, что позволит вам сочетать работу из дома с посещением офиса в Москве.
Чем вы будете заниматься
- Разработка и оптимизация алгоритмов машинного обучения для рекомендационных систем.
- Взаимодействие с командами по продуктовой аналитике для улучшения пользовательского опыта.
- Работа с данными и анализ их для выявления паттернов и тенденций.
- Участие в стратегических обсуждениях с техническими партнерами.
- Влияние на стратегию продукта на ранних стадиях разработки.
- Обеспечение качества кода и участие в код-ревью.
Требования
- Сильный опыт в backend-разработке и машинном обучении.
- Опыт работы с системами рекомендаций и LLM.
- Знание аналитических инструментов и методов работы с данными.
- Способность работать в условиях неопределенности и отсутствие готовых ТЗ.
- Коммуникабельность и готовность к взаимодействию с партнерами.
- Опыт работы в BigTech, foodtech, retailtech, adtech, fintech, CRM/CDP, loyalty, recommendation systems или enterprise SaaS будет преимуществом.
Будет плюсом
- Опыт работы с облачными платформами (AWS, Google Cloud).
- Знание языков программирования Python и Java.
- Опыт работы с фреймворками для машинного обучения (TensorFlow, PyTorch).
Что мы предлагаем
- Конкурентоспособная зарплата от 400 000 до 600 000 ₽.
- Гибкий график работы и возможность удаленной работы.
- Бонусы за достижения и участие в проектах.
- Обучение и развитие в области машинного обучения и аналитики.
- Работа в дружной команде профессионалов.
- Современный офис в центре Москвы с удобствами.
Вакансия предлагает интересные задачи в области машинного обучения и разработки рекомендационных систем. Условия работы гибкие, что делает её привлекательной для специалистов в этой области.
Кто здесь добьётся успеха
Глубокое понимание алгоритмов машинного обучения, таких как регрессия и деревья решений, с практическим опытом применения их в Python для создания рекомендационных систем.
Способность эффективно работать в гибридной среде, что требует высокой степени самоорганизации и ответственности за выполнение задач как в офисе, так и удаленно.
Опыт работы с фреймворками для разработки бекенда, такими как Django или Flask, для интеграции алгоритмов машинного обучения в полностековые приложения.
Ресурсы для обучения
Карьерный путь
Обзор рынка
Навыки и требования
Тренды отрасли
Новости FoodTech
Загружаем новости отрасли...
Ищем релевантные статьи за последние 6 месяцев