Middle ML Engineer

О компании

Мы - RivoxAI, В2В сервис, который меняет старую систему рекламы в Яндекс.Директе и помогает интернет-магазинам экономить до 30% бюджета с помощью машинного обучения и виртуальных конверсий.

Наши клиенты - e-commerce/fintech/edtech. У нас есть крутой трекшн с кратным ростом месяц к месяцу и интерпрайз клиенты с большими объемами данных.

Мы хотим построить реально большую машину в области AdTech с атрибуцией, предиктивной аналитикой по товарам/покупкам и сложным таргетам по типу LTV/маржинальность. Мы независимы от финансирования внешних партнеров, имеем полный контроль над компанией и развиваемся на собственный кэш. Уже являемся прибыльными.

Сейчас мы запустились в России, потому что есть база и нетворк для того, чтобы быстро и легко привлекать новых клиентов, но далее мы будем раскатывать продукт на англоязычные рынки и работать с Facebook/Google Ads/TikTok.

Контекст

У нас - SaaS (Rivox AI), который снижает CPA в Яндекс.Директе через виртуальные конверсии. Клиенты (eCommerce, EdTech, финансы) уже обрабатывают 500M+ событий в месяц через наши ML модели.

Что нужно делать?

1. Предиктивные ML модели - основа нашего преимущества

Наша ML система уже успешно предсказывает вероятность покупки с точностью 87%+ и обрабатывает терабайты поведенческих данных в реальном времени. Но мы хотим выйти на новый уровень точности и масштабируемости.

Ты возьмешь наши ML модели, которые уже генерируют миллионы в прибыли, и сделаешь их еще умнее: глубокая персонализация, мультимодальные предсказания, real-time scoring.

• Развивать ensemble модели для предсказания конверсий (XGBoost, CatBoost, нейросети)
• Строить real-time scoring системы для мгновенной оценки пользователей
• Создавать feature engineering пайплайны для извлечения сложных поведенческих паттернов
• Оптимизировать модели для работы с MLflow и облачной инфраструктурой
• Разрабатывать A/B тестирование ML гипотез и автоматический отбор лучших моделей
• Внедрять MLOps практики: версионирование моделей, мониторинг качества, автодеплой

2. Аналитика и атрибуция - наша суперсила

Мы уже решили задачу атрибуции для сложных customer journey и можем точно сказать, какой канал привел к покупке. Но нужно масштабировать эти решения на международные рынки.

Задача - создать универсальную систему атрибуции, которая работает с любыми рекламными платформами и типами бизнеса.

3. Персонализация и LTV прогнозы

Наши модели уже умеют предсказывать LTV клиентов и сегментировать аудиторию по ценности. Нужно довести эти решения до совершенства и добавить продвинутую персонализацию.

Цель - создать AI-систему, которая знает о каждом пользователе больше, чем он сам, и может предсказать его поведение с точностью 90%+.

В чём крутость проекта?

• Реальный impact: Ваши модели уже сейчас экономят клиентам миллионы рублей в месяц
• Масштаб данных: 500M+ событий, петабайты данных, real-time обработка
• Cutting-edge технологии: Работа с последними достижениями в ML и BigData
• Команда экспертов: ML инженеры из Яндекса, Озона, международный опыт
• Продуктовый фокус: Не исследования ради исследований, а ML решения, которые приносят деньги

Что вы получите

• Зарплата: от 200 000 рублей в месяц
• Занятость: фуллтайм с гибким графиком
• Команда: СЕО/CPO/CTO (ex-Apple, Ozon, Яндекс), полностью tech-focused менеджмент
• Ресурсы: Неограниченные вычислительные мощности, доступ к любым данным
• Свобода: Выбор стека, архитектуры, подходов - главное результат
• Рост: Международная экспансия, работа с топовыми AdTech платформами

Требования

• Python - глубокое знание экосистемы: pandas, numpy, scikit-learn, PyTorch/TensorFlow
• ML алгоритмы - опыт с градиентным бустингом, нейросетями, ensemble методами
• Feature Engineering - умение создавать и отбирать признаки из сырых данных
• BigQuery/SQL - работа с большими данными, оптимизация запросов
• Статистика - A/B тестирование, проверка гипотез, метрики качества моделей
• MLOps - опыт деплоя моделей в продакшн, мониторинг performance
• Работа с API - интеграция ML моделей с backend системами
• Понимание бизнеса - как ML решения влияют на метрики и прибыль

Будет большим плюсом:

• Опыт работы в AdTech/MarTech - понимание специфики рекламных данных
• Знание рекламных платформ: Яндекс.Директ, Google Ads, Facebook API
• Опыт с real-time ML системами и стриминговой обработкой данных
• Знание Docker, Kubernetes для контейнеризации ML решений
• Опыт с облачными ML платформами: GCP AI, AWS SageMaker
• Понимание customer journey и атрибуционного моделирования

Технический стек

Наш ML стек уже настроен и работает: Python, MLflow, TensorFlow, PyTorch, Apache Beam, Kubernetes, GCP. Вы будете работать с проверенными решениями и развивать их дальше.