ML-инженер/Machine Learning Engineer

02 Июня 2026

OneTwoTrip

Город:

Москва

Занятость:

Полная занятость

Откликнуться

Компания "OneTwoTrip"

OneTwoTrip — современный и технологичный онлайн-сервис для организации путешествий, работающий на мировом рынке 14 лет. Благодаря работе команды OneTwoTrip на сайте и в мобильном приложении можно найти и забронировать номер в одном из 2 000 000 отелей и апартаментов по всему миру, купить авиабилет одной из 800 авиакомпаний, оформить билет на поезд или автобус по России и странам СНГ, арендовать автомобиль и заказать экскурсию с гидом. Ежедневно мы работаем для того, чтобы десятки миллионов поисковых запросов превращались в десятки тысяч путешествий.
Клиентами OneTwoTrip являются более 10 000 000 человек.

Мы ищем ML-инженера, который усилит DS-команду и возьмёт на себя развитие одного из ключевых продуктовых направлений.

Команда небольшая и растёт. У каждого — своё крупное направление с амбициозными задачами. Свобода действий максимальная: вы сами принимаете решения по подходам и архитектуре, ведёте направление от исследования до прода — и видите результат в метриках.

Здесь нет бюрократии — от идеи до A/B-теста за дни, не месяцы. Первые задачи берёте вместе с Head of DS, потом постепенно наращиваете зону ответственности. Есть и наставничество, и пространство для роста — и в технике, и в бизнес-мышлении.

Чем предстоит заниматься:

Обучать, калибровать и развивать ML-модели для продуктовых задач (классификация, регрессия).
Feature engineering на табличных данных: разнообразные клиентские и продуктовые данные, категориальные фичи, временные признаки, агрегаты
Исследовать нестандартные подходы: стекинг, эмбеддинги, нетривиальные архитектуры моделей — если это даёт прирост качества
Вести развитие модельного направления — от исследования и прототипа до production, мониторинга и итераций улучшения
Работать с production-пайплайнами разного типа
Проектировать и анализировать A/B-тесты: гипотезы, метрики, интерпретация результатов
Работать с данными через SQL: аналитические запросы, построение витрин, валидация
Взаимодействовать с продуктовой командой и маркетингом — переводить бизнес-задачи в модельные, обсуждать результаты, предлагать решения
При необходимости выходить за рамки чистого DS: витрины, логика сервиса, оптимизация пайплайна. Это не основной фокус, но в небольшой команде границы гибкие — и всегда есть поддержка

Что для нас важно:

Опыт в классическом ML от 3–4 лет. Градиентный бустинг, калибровка, кластеризация, feature selection, кросс-валидация с учётом времени — ваша повседневность
Понимание калибровки. Вы понимаете, зачем нужна калиброванная вероятность и чем она отличается от сырого скора модели
Python не только в ноутбуках. Вы умеете писать проектный код — структурированный, читаемый, пригодный для работы в сервисе. Готовность работать с микросервисами (Flask/FastAPI) приветствуется
SQL на хорошем уровне: Оконные функции, витрины, сложные запросы
Самостоятельность и желание расти. Вы ведёте задачу от постановки до результата, принимаете решения — при этом всегда можно обсудить подход, получить помощь и обратную связь

Будет плюсом :

Опыт построения production-пайплайнов: мониторинг, логирование, идемпотентность
Практика работы с эмбеддингами, стекингом, ансамблями
Опыт работы с данными в e-commerce
Опыт проектирования многоступенчатых модельных решений — от выбора таргета и постановки задачи до постобработки выхода модели
Понимание дизайна экспериментов и анализа эффектов
Желание вести развитие целого направления, а не только отдельных задач