Senior Data Scientist - (Global Search, Consumer)

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Senior Data Scientist в команду Search Ranking глобального поиска Delivery Hero. Отвечает за построение и продакшн глубоких нейросетевых моделей ранжирования, агентные ML-эксперименты и надёжность моделей в высоконагруженной среде.

Задачи

• Проектировать, строить и выводить в продакшн глубокие нейросетевые модели ранжирования (DCN-V2, MMoE, Two-Tower) с высокой пропускной способностью и низкой задержкой
• Вести полный жизненный цикл модели: от офлайн-экспериментов и оценки до мониторинга и итеративных улучшений
• Развивать агентные ML-исследования: использовать LLM-агентов (Claude Code, Gemini) для автономной итерации по feature engineering и архитектурам Learning to Rank
• Проектировать ночные пайплайны экспериментов и анализировать результаты сотен автономных запусков
• Развивать feature engineering и архитектуры моделей: ranking-сигналы, feature stores, embedding-based retrieval
• Обеспечивать надёжность моделей в продакшне: мониторинг дрифта, деградации задержек и целостности фичевых пайплайнов
• Работать в кросс-функциональной команде с backend- и data-инженерами, продакт-менеджерами
• Менторить junior и middle data scientist'ов, развивать практики экспериментов и качества кода

Требования

• Master's degree (или Bachelor's + 6 лет опыта) в Computer Science, математике, физике или смежной количественной области
• 4+ года индустриального опыта как Data Scientist или ML Engineer в высоконагруженных продакшн-средах
• Продакшн-опыт реализации современных архитектур глубокого ранжирования: DCN-V2, MMoE, Two-Tower
• Сильная база в multi-task learning, cross-feature interactions и оптимизации эмбеддингов на масштабе
• Знание методов LTR (pointwise, pairwise, listwise) и офлайн-метрик (NDCG, MRR)
• Опыт работы с LLM-агентами и агентными CLI-инструментами (Claude Code, Gemini) для генерации экспериментов и прототипирования архитектур
• Экспертиза в Python и его ML-экосистеме (PyTorch, TensorFlow, scikit-learn)
• Уверенное владение SQL (dbt), облачными средами (GCP или AWS) и обработкой больших данных (PySpark, Scala)
• Опыт с MLOps: CI/CD для ML-пайплайнов, Metaflow, трекинг экспериментов, model registry, продакшн-мониторинг
• Опыт с feature stores, векторными базами данных, версионированием моделей и A/B-экспериментами
• Умение работать в условиях неопределённости и переводить бизнес-цели в задачи data science
• Сильные коммуникативные навыки для работы в глобально распределённых командах

Условия

• Гибридный формат работы: 2 дня в неделю в берлинском кампусе
• 27 дней отпуска, дополнительный день на 2-й и 3-й год работы
• Бюджет на обучение 1 000 €, языковые курсы, поддержка родителей, доступ к Udemy Business
• Health Checkups, медитация и спортзал
• Employee Share Purchase Plan, Sabbatical Bank, скидка на общественный транспорт, страхование жизни и от несчастных случаев, корпоративная пенсионная программа
• Цифровые ваучеры на еду и продуктовые ваучеры
• Поддержка при релокации в Берлин

Навыки

• Python
• PyTorch
• TensorFlow
• scikit-learn
• SQL
• dbt
• GCP
• AWS
• PySpark
• Scala
• DCN-V2
• MMoE
• Two-Tower
• Learning to Rank
• NDCG
• MRR
• feature stores
• vector databases
• MLOps
• CI/CD
• Metaflow
• A/B testing
• Claude Code
• Gemini
• LLM