data scientist для автомодерации

Команда «Автомодерация» развивает инструменты доверия и безопасности на платформе Авито. Она разрабатывает и поддерживает ML-систему проверки объявлений, которая анализирует текст, фотографии и параметры, автоматизирует проверки и снижает нагрузку на ручную модерацию. Основной проект — развитие LLM-модерации: классические модели находят потенциальные нарушения, а LLM проверяют их по правилам Авито.

• Развивать LLM-проверки: переводить регламенты модерации в инструкции для моделей, разбирать ошибки и улучшать качество решений
• Строить воспроизводимые эксперименты и сравнивать модели, промпты, состав входных данных и пороги принятия решений
• Применять и развивать автоматическую оптимизацию промптов, дообучать модели и LoRA-адаптеры, когда это оправдано качеством и стоимостью
• Готовить датасеты: организовывать сбор и разметку, проверять качество данных и репрезентативность выборок
• Встраивать решения в пайплайны автомодерации и обеспечивать стабильную работу в продакшене с учётом качества, задержек, вычислительной стоимости и рисков ошибок
• Настраивать мониторинг качества и деградаций, алерты и регулярные итерации улучшений
• Оценивать влияние решений на продуктовые и бизнес-метрики

• Уметь проводить полный цикл ML-разработки: от работы с данными и моделью до продакшена, мониторинга и проверки влияния с помощью A/B-тестов или аналогичных подходов
• Иметь большой опыт в NLP или значимый опыт вывода и сопровождения моделей в продакшене
• Иметь опыт работы с LLM в прикладных задачах и проверки качества решений на данных
• Иметь опыт дообучения LLM и VLM, работы с LoRA, PEFT и оптимизацией инференса, например с vLLM
• Уверенно владеть Python и инструментами для анализа данных: NumPy, pandas, scikit-learn, CatBoost или аналогами
• Уметь работать с фреймворками глубокого обучения, например PyTorch
• Понимать, как выбирать методы под задачу и обосновывать компромиссы между качеством, стоимостью, скоростью и рисками
• Уметь оценивать качество моделей при запуске и отслеживать его изменения во времени, включая дрейф, деградации и проблемы данных
• Уметь писать SQL-запросы для анализа данных и диагностики качества
• Читать англоязычную техническую литературу
• Будет плюсом: опыт в модерации, Trust & Safety или антифроде, разработка инструментов для AI-агентов или MCP-серверов, автоматизация ML-процессов с их помощью, знакомство с практиками MLOps и Kubeflow, K8s, feature store, MLflow, настройка мониторинга и алертов в Grafana, участие в A/B-тестах и канареечных релизах, применение LLM в прикладных задачах, опыт работы с CV или мультимодальными задачами, например VLM

• Масштабный инженерный процесс с возможностью участвовать во всех этапах работы над ML-решением
• Интересные развивающие задачи и влияние на продуктовые и бизнес-метрики
• Культура взаимопомощи и обмена опытом
• Прозрачный карьерный трек и инструменты для роста: семинары, менторство, митапы
• Расширенная забота о здоровье: ДМС, страхование жизни и онкострахование
• Сервис психологической поддержки, финансовые, юридические и ЗОЖ-консультации для сотрудника и его близких
• Корпоративный спорт: групповые тренировки и велбиинг-приложение
• Спецпредложения от партнёров и скидки на сервисы Авито: бронирование жилья, услуги продвижения, ипотечное страхование
• Компенсация питания