НовоеAI-конструктор резюме: правишь прямо на листе A4, а нейросеть подсказывает, что усилитьКонструктор резюме на листе A4Попробовать
JobPath
Начать бесплатно

Pinterest

Staff Machine Learning Engineer, Ads Lightweight Ranking

  • Удалённо
  • San Francisco, CA, US; Remote, US
  • сегодня

Staff Machine Learning Engineer в команду Pinterest для разработки и масштабирования моделей легкого ранжирования рекламы (Ads L1). Критически важная позиция с прямым влиянием на качество монетизации платформы и пользовательский опыт миллионов людей по всему миру.

О позиции

Команда Ads Lightweight Ranking (L1) отвечает за первичную фильтрацию и скоринг огромного пула рекламных объявлений перед финальным ранжированием. В этой роли вы определите техническую стратегию и будете разрабатывать модели, которые должны балансировать между качеством предсказаний, скоростью работы и стоимостью обслуживания. Это возможность повлиять на архитектуру высоконагруженной системы, где решения напрямую влияют как на Pinner (пользователь Pinterest), так и на рекламодателей.

Чем заниматься

  • Разработать и реализовать техническую стратегию и дорожную карту для моделирования в области лёгкого ранжирования рекламы
  • Вести полный цикл разработки ML-моделей от постановки задач и выбора целей до обучения, оценки и вывода в продакшн
  • Определять и обосновывать компромиссы между качеством модели, латентностью, стоимостью и надёжностью работы систем
  • Оставаться hands-on с кодированием, ревью кода, техническим анализом и критическими обзорами решений
  • Руководить проектами с участием нескольких команд и партнёров, ставить метрики, управлять зависимостями и рисками
  • Разрабатывать требования к инфраструктуре совместно с командами ML serving и координаровать запуски новых моделей
  • Наставничество инженеров разных уровней, улучшение технических практик и документирование внутри команды
  • Использовать AI для ускорения исследований альтернативных подходов, анализа экспериментов и автоматизации повторяющихся задач

Что ждут

  • Минимум 7 лет индустрий опыта в ML engineering или applied ML software engineering
  • Подтверждённый опыт запуска ML проектов с нуля (0→1) — от нечёткой проблемы до работающей системы с измеримым результатом
  • Сильный трек-рекорд построения ML-powered систем в областях: рекомендательные системы, ранжирование, retrieval, ads или смежные области с явным продуктовым влиянием
  • Глубокий опыт в оценке и метрике: стратегия датасетов, лейблинг, дизайн метрик, регрессионное тестирование, связка offline и online улучшений
  • Навыки системного дизайна для data-intensive и ML-intensive систем с пониманием trade-offs производительности, надёжности, масштабируемости и стоимости
  • Сильные навыки кодирования, ревью кода и системной архитектуры для обеспечения высокого стандарта качества
  • Отличные коммуникационные способности и умение влиять на техническое направление без прямого контроля над реализацией всех деталей
  • Бакалавр Computer Science, Engineering или аналогичной области, либо эквивалентный практический опыт
  • Умение строить и развивать кросс-функциональные партнёрства с другими командами организации

Будет плюсом

  • Опыт работы в рекламе и ранжировании контента наscale
  • Знание архитектур современных нейронных сетей и трансформеров для ranking задач
  • Опыт работы с big data фреймворками (Spark, Flink, Kafka)
  • Практика построения A/B тестовой инфраструктуры и онлайн-экспериментов
  • Опыт менторства инженеров Senior+ уровней
  • Публикации или выступления на ML конференциях по темам ranking и ML systems

Условия

  • Конкурентоспособный пакет компенсаций с equity (акциями компании)
  • Возможность работать на гибридной модели (1-2 раза в квартал в офисе в США)
  • Работа с технологиями, которые используют миллионы пользователей worldwide
  • Команда сильных экспертов в ML и системах на scale
  • Прямое влияние продукта на бизнес-результаты компании
  • Возможность влиять на техническую стратегию и архитектuru на уровне группы инженеров
  • Карьерный рост через менторство и развитие технических практик
  • Инклюзивная и equitable корпоративная культура

Навыки

  • Machine Learning
  • Python
  • TensorFlow
  • PyTorch
  • Recommendation Systems
  • Ranking Algorithms
  • A/B Testing
  • Model Evaluation
  • System Design
  • Distributed Systems
  • SQL
  • Big Data
  • Apache Spark
  • Kafka
  • MLOps
  • Leadership

Сложность отбора

Senior-Level роль требует глубокой экспертизы в ML системах и лидерских навыков. Ожидается способность самостоятельно формулировать задачи из нечётких проблемных пространств и вести их до продакшена.

Оценка JobPath

Зарплата по рынку

1 420 000 – 2 920 000 ₽ в месяц

Расчёт на основе диапазона $189,308–$389,753 USD в год (Pinterest USA, Staff уровень). Медиана переведена в ₽ по курсу ~90₽/$ после деления годового дохода на 12 месяцев. Рыночный диапазон для Staff MLE в США включает equity и бонусы — указаны базовые месячные значения.

Оценка JobPath по рынку, не предложение работодателя

Могут спросить на собеседовании

  1. Расскажите о проекте, где вы вели ML-решение от неопределённой задачи до продакшн-системы с измеримым бизнес-результатом. Какие ключевые решения вы принимали на каждом этапе?
  2. Как бы вы спроектировали систему лёгкого ранжирования, которая должна обрабатывать миллионы кандидатов в секунду с латентностью менее X ms? Какие архитектурные компромиссы вы сделаете?
  3. Приведите пример, когда offline улучшения модели не конвертировались в online gains. Как вы диагностировали проблему и что изменили?
  4. Как вы оцениваете качество ранжирующей модели помимо традиционных метрик? Что учитываете при работе с multi-objective ranking?
  5. Опишите ситуацию, где вам пришлось отстаивать техническое решение перед stakeholders или другой командой. Как вы это сделали и чем закончилось?

Прорепетировать это собеседование

Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.

Начать бесплатно

Сохрани похожие вакансии

Новые вакансии с такой должностью будут собираться в кабинете.

Сохранить фильтр

Перед откликом

Попробовать бесплатно

Связаться с поддержкой

Выбери, где удобнее написать