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 Global Search (Consumer) Delivery Hero. Отвечает за глубокие нейросетевые модели ранжирования поиска, работающего в 60+ странах, и за внедрение agentic ML-исследований с помощью LLM-агентов.

Задачи

• Владеть всем ранжирующим стеком: проектировать, строить и выводить в прод глубокие нейросетевые модели ранжирования (DCN-V2, MMoE, Two-Tower) для высоконагруженного сервинга с низкой задержкой
• Вести agentic ML-исследования: использовать LLM-агентов (Claude Code, Gemini) для автономной итерации по feature engineering и архитектурам Learning to Rank, строить ночные пайплайны экспериментов
• Улучшать качество ранкера через feature engineering и работу над архитектурой моделей, применяя экспертизу в ranking-сигналах, feature stores и embedding-based retrieval
• Поддерживать здоровье продовых моделей: мониторинг дрейфа, деградации задержек и целостности фичевых пайплайнов
• Работать совместно с Backend Engineers, Data Engineers и Product Managers над сквозными улучшениями и объяснять ML-компромиссы нетехническим стейкхолдерам
• Менторить junior и middle data scientists, задавать стандарты строгости экспериментов, качества кода и agentic-воркфлоу

Требования

• Магистерская степень в Computer Science, математике, физике или смежной количественной области (или бакалавр с 6+ годами опыта) и 4+ года в роли Data Scientist или ML Engineer в высоконагруженных продовых средах
• Продовый опыт с архитектурами глубокого ранжирования (DCN-V2, MMoE, Two-Tower), multi-task learning, cross-feature interactions и оптимизацией эмбеддингов в масштабе
• Фундамент в LTR-методах (pointwise, pairwise, listwise), офлайн-метриках (NDCG, MRR) и понимание перехода от офлайн-метрик к онлайн A/B
• Владение LLM coding agents и agentic CLI-инструментами (Claude Code, Gemini) как основными инструментами разработки, знакомство с парадигмой auto-research
• Экспертный Python в ML-экосистеме (PyTorch, TensorFlow, scikit-learn), знание SQL (dbt), GCP или AWS, big-data обработка (PySpark, Scala)
• Практический MLOps по всему жизненному циклу: feature stores, векторные БД, версионирование и реестр моделей, Metaflow, CI/CD для ML-пайплайнов, experiment tracking, A/B-фреймворки, мониторинг дрейфа и качества данных
• Умение превращать широкие бизнес-цели в чётко очерченные data science проекты с ответственностью за результат
• Опыт работы в кросс-функциональных глобально распределённых командах и умение объяснять поведение моделей и компромиссы разной аудитории

Условия

• Гибридный формат: 2 дня в неделю в берлинском кампусе
• 27 дней отпуска плюс 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 питание и продуктовые ваучеры
• Поддержка релокации в Берлин

Навыки

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