data scientist in vertical search

Привет! Это команда вертикальных поисков. Современный поиск на маркетплейсе — это не плоский список из тысяч карточек, а умная витрина, которая понимает намерение пользователя и сама группирует товары по тому, что ему важно. Покупатель, который вбивает «ноутбук», на самом деле ищет «игровой», «для учёбы ребёнку» или «тонкий для работы» — и наша задача показать ему эти тематические полки прямо в выдаче, без лишних кликов и фильтров.

• Разрабатывать и внедрять модели кластеризации товаров для построения тематических полок в поисковой выдаче.
• Проектировать пайплайны автоматической генерации названий и описаний кластеров (в т.ч. с использованием LLM).
• Строить модели ранжирования полок и товаров внутри полок под интент пользователя.
• Работать с товарными эмбеддингами, признаками поведения пользователей и атрибутами карточек для повышения качества кластеризации.
• Заниматься построением пайплайнов обработки и сбора данных, разметкой и обучением моделей.
• Участвовать в полном ML-цикле: от исследования и создания прототипов до продакшн-внедрения, A/B-тестов и мониторинга моделей.

• Наличие фундаментальной математической базы, знание алгоритмов, математической статистики, классического ML и нейросетей.
• Понимание методов кластеризации, построения эмбеддингов и алгоритмов ранжирования (LTR).
• Опыт работы с современными архитектурами языковых моделей и эмбеддинг-моделей, в том числе обучение/дообучение своих моделей.
• Опыт работы с продуктами в области поиска, рекомендательных систем или рекламных технологий.
• Понимание принципов оценки качества ML-моделей в проде, постановки и анализа A/B-тестов.
• Будет плюсом: Опыт построения ассистентов или продуктов на базе LLM, генерация структурированного контента (названий/описаний); Знание технологий обработки больших данных, таких как Hadoop, Spark или аналогичные; Навыки работы с инструментами автоматизации ML-пайплайнов; Опыт работы с e-commerce данными: товарные графы, каталоги, пользовательские сессии

• Условий в вакансии нет