Data Scientist (Deep Learning)

Мы в поиске Data Scientist в группу нейросетевых технологий, занимающуюся применением DL подходов в задачах Lamoda.

Наша цель – с помощью глубокого обучения научиться выделять новую информацию о наших товарах (атрибуты, генерировать текстовое описание), автомодерировать и обрабатывать фотографий товаров (в том числе снятых на нашей собственной фотостудии).

Чем предстоит заниматься:

• Развивать и применять подходы, позволяющие работать с данными различных модальностей, например CLIP и SigLIP;
• Обогащать атрибуты товаров: извлекать атрибуты из фотографий, описаний товаров, отзывов, генерировать описания с помощью нейронных сетей
• Построение моделей автомодерации фотографий товаров: валидация отступов, определение ракурсов и др.
• Автоматизированная обработка и ретушь фотографий товаров
• Выбор оптимального порядка фото (в каталоге и карточке товара)

Мы ожидаем:

• Опыт работы в ML от 3-4 лет, в Deep Learning от 2 лет (CV, NLP)
• Владение Python и умение писать сложные SQL-запросы, опыт работы с Hadoop, Spark, Airflow, Docker.
• Опыт вывода ML-моделей в прод для решения бизнес-задач.
• Знания математической статистики, теории вероятности, алгоритмов и структур данных.
• Английский язык на уровне технического чтения.

Будет плюсом:

• Высшее образование в области прикладной математики, информационных технологий и т.п.
• Опыт проведения A/B-тестов и анализа их результатов.
• Опыт в рекламных технологиях, рекомендательных системах и других высоконагруженных сервисах.
• Опыт работы в e-commerce индустрии

Стэк технологий: Big data (Hadoop, PySpark, Hive), Python, Catboost, Airflow, Docker, SQL.

Почему у нас классно:

• Мы аккредитованная IT-компания
• Есть возможность работать по "гибриду" из Москвы, либо удалённо из любой точки
• Всё необходимое железо для работы: мощные ресерч-сервера с GPU и большой Hadoop-кластер
• Зрелый сетап разработки ML-решений полного цикла: современный стек, высокий уровень культуры разработки, более 30 ML-моделей в проде, есть культура ML OPS
• Полный жизненный цикл разработки data-driven продуктов с применением ML - от генерации идеи и до подведения результатов АБ-теста
• Проекты НЕ в стол, более 95% инициатив доходят до A/b теста/прода (можно видеть результаты своей работы буквально с первого квартала; хороший time-to-market)
• Культура code review и принятия решений на основании данных
• Сильные кросс-функциональные команды middle и senior специалистов, развитое DS-сообщество, любим обмениваться знаниями на внутренних шерингах и митапах
• Можно и нужно предлагать свои идеи; каждый может влиять на то, что делается в рамках его команды или всего DS-отдела/продукта
• Персональные карьерные маршруты для каждого члена DS команды
• Минимум бюрократии, доступы за 1-2 дня