Data Scientist в команду Search Quality

— находить точки роста в ранжировании и предлагать эксперименты и модели, которые стоит попробовать; — разрабатывать, внедрять и улучшать ML-модели: от классических подходов до задач с элементами RL и оптимизационных методов, выбирая метод под задачу и учитывая качество, производительность при высокой нагрузке и время на реализацию; — создавать и настраивать алгоритмы ранжирования с учётом разных аспектов: потребностей покупателей и продавцов, монетизационных правил и других факторов ранжирования; — переводить свои идеи и идеи коллег из продуктовых команд в метрики и проверяемые на данных гипотезы; — проводить офлайн-анализ и A/B-тесты экспериментов.

— имеете опыт работы с ML и алгоритмами от 2 лет; — умеете писать эффективный код, хорошо знаете Python и готовы освоить Go; — умеете принимать решения на основе данных, аргументировать их, объяснять сложные вещи простыми словами и договариваться с коллегами; — знаете и применяете математику, ML и прикладную статистику для создания алгоритмических систем, видите связь между математическими формулами и их влиянием на бизнес.

Каждую минуту пользователи Авито задают порядка 1 млн запросов. Каждый запрос проходит через микросервисы и алгоритмы ранжирования, которые разрабатывает наша команда. Мы отвечаем за качество результатов поиска и техническую работоспособность поиска Авито, строим платформу управления трафиком, разрабатываем и внедряем новые алгоритмы, улучшающие качество результатов, и помогаем коллегам внедрять продуктовые идеи в поиске. Мы ищем новые возможности для улучшения ранжирования: проверяем гипотезы на данных, оцениваем потенциал и превращаем идеи в ML-решения. Мы пишем на Python, Go и проводим аналитику на Spark. Ищем DS-инженера, который усилит команду и поможет развивать направление Search Quality.

— имеете опыт работы с поисковым ранжированием или рекомендациями; — писали продакшен-код для высоконагруженных систем; — занимались научной работой и исследованиями.

— возможность влиять на опыт миллионов пользователей; — разнообразные задачи: от классического ML и RL до численных методов и математического моделирования; — свобода предлагать идеи и доводить их до продакшена: от гипотезы до алгоритма; — сильная команда с разносторонней экспертизой: можно развивать инженерные и DS-скилы, углубляться в ML-моделирование, развивать продуктовую экспертизу или культуру разработки; — возможность изучать и пробовать новое, мощное железо для этого; — бюджет на обучение, который можно тратить на курсы или профессиональную литературу; — забота о здоровье: с первого дня у вас будет ДМС со стоматологией, в офисе принимают терапевт и массажист; — возможность работать удалённо или из офисов в 4 городах России.