Middle Python developer в Рекомендательную платформу (Big Data)

Big Data МТС – место, где телеком данные превращаются в реально работающие IT-продукты. Мы создали и протестировали несколько десятков сервисов. Самые успешные из них уже стали частью экосистемы МТС. Например, МТС Маркетолог, рекомендации в KION (МТС ТВ), услуга “Кто звонит?” или Спам blacklist

Команда центра Big Data находится в поиске Python developer в Рекомендательную платформу

Мы ищем Python-разработчика, интересующегося и умеющего в ML, с которым мы будем вместе развивать платформу рекомендаций в МТС. Мы уже поставляем рекомендаций в онлайн-кинотеатр КИОН, в читалку «Строки», в МТС Банк и сервисы по продаже билетов. Сейчас решаем задачи объединения рекомендательных движков в единую платформу и масштабирования на все сервисы компании

Стек: kubernetes, python, fastapi, postgres, aerospike + etl стек

Что нужно делать:

• развивать сервисы поставки рекомендаций: автоматизировать процессы и внедрять новые алгоритмы и фичи
• находить точки роста в рекомендациях, которые позволят улучшить бизнес-показатели клиентов

• График работы: плавающее начало рабочего дня, гибридный график (или возможность работать из дома)
• Условия и бонусы: ДМС, куда включены: стоматология, страхование жизни и страховка при поездках за рубеж
• Десятки курсов и тренингов в Корпоративном университете МТС, «Coursera» и Собственная виртуальная библиотека
• Корпоративный психолог и карьерный коуч
• Спорт: компенсация фитнес-абонемента, бассейна, скидка в «Alex fitness», «Spirit fitness», «World class» и др
• Бесплатная сотовая связь, выгодные тарифы для ваших близких, промокод на онлайн-кинотеатр KION и бесплатная подписка на МТС Premium
• Программа performance-review

Обязательно:

• 2+ года опыта промышленного применения сервисов на базе ML
• хорошие знания python, навыки работы в git (gitlab), с NumPy, pandas и асинхронными фреймворками
• опыт с большими данными
• опыт с докером, шедулерами (airflow или любой другой) и sql/nosql базами данных

Будет плюсом, если вы: 

• строили рекомендательные системы
• имеете опыт работы с hadoop стеком: hadoop, spark, hive
• имеете опыт работы с MLOps стеком
• знаете особенности распределённых вычислений и методов обработки данных