ML Engineer (Natural Language Search & Recommendations)
Описание роли
На позиции ML Engineer (Natural Language Search & Recommendations) вы возьмёте на себя ключевую задачу по созданию и поддержке передовых систем поиска на естественном языке и рекомендаций для международного ресторанного агрегатора в сегменте HoReCa. Роль предполагает тесное взаимодействие с продуктовой командой и аналитиками для проектирования архитектуры высоконагруженных сервисов.
Ваши основные обязанности:
* Исследование и прототипирование решений для Natural Language Search с фокусом на семантическом и гибридном поиске;
* Разработка и оптимизация рекомендательных алгоритмов, основанных на machine learning, для повышения точности и персонализации предложений;
* Интеграция векторных баз данных (Pinecone, Weaviate, Milvus, Qdrant) для эффективного поиска по сходству;
* Проектирование масштабируемой системы на базе Elasticsearch, Solr и Lucene, обеспечивающей высокую отказоустойчивость;
* Построение и поддержка robust конвейеров индексации в режиме реального времени;
* Оценка производительности AI-систем, проведение A/B-тестирования и внедрение learning-to-rank методов (XGBoost, LightGBM).
Особенности вакансии
* Полностью удалённый формат с контрактом от международной компании, гибкий график и свобода выбора инструментов;
* Работа на перекрёстке AI, Big Data и ML, участие в масштабном продукте для азиатского рынка HoReCa;
* Возможность быстрого старта и влияние на архитектурные решения, прямой контакт с руководством;
* Доступ к современным технологиям и поддержка MLOps-практик для автоматизации развертывания моделей;
* Корпоративные митапы, бюджет на участие в профильных конференциях и обмен опытом с экспертами отрасли.
О компании
NaaS Platform — международная продуктовая компания, создающая высокотехнологичные решения для ресторанного бизнеса в Азии. Мы объединяем экспертизу в ML и data engineering, чтобы улучшать опыт пользователей и повышать эффективность ресторанных сетей. Среди наших достижений — внедрение гибридного поиска в крупнейших агрегаторах региона и разработка рекомендательных систем с точностью выше 90%.
