Data Scientist, ML Global

Привет! Это команда ML Global. Мы ищем талантливого Data Scientist/ML Engineer в ML-команду отдела «Global и Локализация». Команда занимается разработкой моделей перевода для локацизации на иностранные языки приложения Ozon, чатов, отзывов, комментариев, обучаем модели для работы с документами на иностранных языках, классификации текстов на различных языках, встраиваем свои модели в процессы, связанные с таможенными оформлением. Команда занимается полным циклом разработки ML-моделей: погружение в бизнес-задачу, общение с заказчиками, сбор, парсинг, анализ данных, по датасетов, ресерч современных подходов и моделей, обучение, тестирование, деплой, разработка подходов по мониторингу и поддержки моделей в продакшене. Основные направления работы команды: LLM, агенты, API для подготовки данных; NLP / LLM для переводов и классификации текстов, получения эмбеддингов; OCR + VLM модели для обработки мультилингальных текстов; ресерс новых архитектур, подходов решения задач, оптимизация, улучшения качества текущих пайплайнов с моделями.

- Разработка и обучение моделей машинного обучения для задач NLP и компьютерного зрения; - Анализ и обработка данных; - Работа с PyTorch; - Участие в R&D проектах; - Тестирование и оптимизация моделей; - Поддержка существующих моделей.

- Коммерческий опыт обучения генеративных NLP моделей от 3-х лет; - Опыт обучения дискриминативных моделей; - Уверенное знание Python и PyTorch; - Знание алгоритмов и структур данных уровня LeetCode Medium; - Отличное знание классического ML и DL; - Опыт самостоятельного ведения задач на разных этапах проекта; - Опыт работы с большей частью нашего стека.

- Опыт работы с полным циклом обучения моделей от сбора данных до вывода в прод; - Опыт работы с CV задачами.

Python, PyTorch, Scikit-learn, NLP: transformers, pymorphy, spacy, NLTK, Vector databases, vLLM/SGLang, LlamaIndex, LangChain, LangGraph, CV: OpenCV, модели классификации/детекции/ SQL: ClickHouse, Vertica, Hadoop, PySpark, AirFlow, MLFlow, Grafana, NVIDIA Triton: ONNX, TensorRT., Confluence, Jira.