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

Обязанности

• 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

Требования

• 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