Senior Research Engineer - Learning to Rank
Allegro
To rola badawczo-inżynieryjna w zespole Learning to Rank, który rozwija modele ML dla wyszukiwania, rankingu i reklam na platformie Allegro. Osoba na tym stanowisku będzie łączyć najnowsze osiągnięcia ML z praktycznymi wdrożeniami produkcyjnymi na dużą skalę. Codzienna praca obejmuje eksplorację danych, trenowanie i ewaluację modeli głębokiego uczenia, współpracę z zespołami produktowymi oraz dzielenie się wiedzą. To nie jest klasyczny software engineer – wymaga silnego backgroundu w ML i umiejętności prowadzenia badań stosowanych.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: liczba dni w biurze w modelu hybrydowym (4/1 – która cyfra oznacza biuro?), wielkość zespołu i struktura (ile badaczy, inżynierów).
To rola badawczo-inżynieryjna w zespole Learning to Rank, który rozwija modele ML dla wyszukiwania, rankingu i reklam na platformie Allegro. Osoba na tym stanowisku będzie łączyć najnowsze osiągnięcia ML z praktycznymi wdrożeniami produkcyjnymi na dużą skalę. Codzienna praca obejmuje eksplorację danych, trenowanie i ewaluację modeli głębokiego uczenia, współpracę z zespołami produktowymi oraz dzielenie się wiedzą. To nie jest klasyczny software engineer – wymaga silnego backgroundu w ML i umiejętności prowadzenia badań stosowanych.
- ✓Elastyczne godziny pracy
- ✓Długoterminowy plan motywacyjny oparty o akcje Allegro (RSU)
- ✓Roczny bonus uzależniony od wyników
- ✓Nowoczesne narzędzia (MacBook Pro/Dell, Kubernetes, Docker, GitHub Actions)
- ✓Budżet szkoleniowy i lekcje angielskiego
- ✓Wsparcie AI do automatyzacji powtarzalnych zadań
- ✓Kultura dzielenia się wiedzą i współpracy z nauką
- !Brak informacji o liczbie osób w zespole
- !Nieopisany proces rekrutacyjny
- !Hybryda 4/1 może oznaczać 4 dni w biurze, co jest wymagające dla osób spoza Warszawy
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i wdrażanie end-to-end rozwiązań ML dla rankingu i reklam
- •Eksploracja i analiza złożonych zbiorów danych, identyfikacja odpowiednich źródeł danych
- •Trenowanie i ewaluacja modeli głębokiego uczenia (PyTorch, TensorFlow, Transformers)
- •Implementacja najnowszych metod badawczych (contrastive learning, semi-supervised learning) w praktyce
- •Współpraca z zespołami inżynieryjnymi przy wdrażaniu modeli na produkcję
- •Przeprowadzanie eksperymentów i iteracyjne doskonalenie modeli
- •Dzielenie się wiedzą przez wewnętrzne prezentacje, sesje i mentoring młodszych członków zespołu
- •Utrzymywanie i rozwijanie narzędzi oraz metodologii ML w zespole
Oferta dla doświadczonych specjalistów (Senior).
Osoba z masterem w ML i 2-3 latami doświadczenia w rozwijaniu modeli głębokiego uczenia, która zna PyTorch/TensorFlow i miała styczność z rzeczywistymi danymi, ale niekoniecznie pracowała nad wdrożeniami produkcyjnymi na dużą skalę.
Osoby szukające wyłącznie czystej inżynierii oprogramowania (bez ML) lub czystej pracy badawczej bez odpowiedzialności za produkcję. Również juniorzy bez doświadczenia w ML lub osoby niekomfortowe z pracą hybrydową w Warszawie.
- ?Jak liczny jest zespół Learning to Rank i ile osób pełni podobną rolę?
- ?Jaki jest stosunek czasu poświęconego na badania do czasu na wdrożenia produkcyjne?
- ?Czy codzienna praca obejmuje dyżury (on-call)?
- ?Jakie są główne wyzwania techniczne w obecnych modelach rankingowych Allegro?
- ?Czy istnieje możliwość publikowania wyników badań i uczestniczenia w konferencjach?
- ?Jak wygląda współpraca z zespołami produktowymi i inżynieryjnymi przy wdrażaniu modeli?
- ?Czy oferujecie wsparcie w relokacji dla osób spoza Warszawy?
- −Liczba dni w biurze w modelu hybrydowym (4/1 – która cyfra oznacza biuro?)
- −Wielkość zespołu i struktura (ile badaczy, inżynierów)
- −Szczegółowy proces rekrutacji (etapy, czas trwania)
- −Dostępność budżetu na konferencje i publikacje
Zespół o silnej kulturze dzielenia się wiedzą, współpracy z nauką i autonomii technicznej. Praca w otoczeniu ekspertów, gdzie promuje się innowacje i eksperymenty.