Старший Data Scientist, AI поисковый ассистент
Привет! Это отдел функциональности поиска.
ozon На сервисе с: 14.06.26 04:53
↑ Вакансия с автоподнятиемПривет! Это отдел функциональности поиска.
Современный сервис для пользователя – это не просто инструмент решения понятных и привычных задач, но еще и помощник для исследования чего-то нового и ранее неизвестного. Зачастую покупатель на маркетплейсе не знает какой конкретный товар закроет его потребность, ему нужна консультация эксперта и возможность удобного выражения своих желаний. Прямо как в магазине, только на экране мобильного телефона.
Мы уверены, что в мире развитых AI технологий все это уже возможно. Мы ищем DS-специалиста, который будет работать в стриме применения перспективных AI/LLM-технологий в функциональности поиска Ozon.
Вы будете
Разрабатывать и внедрять ИИ-агенты для поискового ассистента.
Проектировать и реализовывать системы на основе Retrieval-Augmented Generation (RAG).
Адаптировать LLM под внутренние и внешние задачи с применением PEFT-методов, RLHF, DPO.
Заниматься построением пайплайнов обработки и сбора данных и обучения LLM.
Участвовать в полном ML-цикле: от исследования и создания прототипов до продакшн-внедрения и мониторинга моделей
Нам важно
Наличие фундаментальной математической базы, знание алгоритмов, математической статистики, классического ML и нейросетей.
Понимание технических деталей современных LM (как large, так и small), особенности их обучения, понимание принципов дообучения готовой модели на новых данных.
Опыт работы с современными архитектурами языковых моделей, в том числе обучение/дообучение своих моделей.
Понимание принципов построения ассистентов на базе LLM, оценки их качества, контроля безопасности и этических вопросов
Будет плюсом
Опыт разработки продуктов, связанных с поиском, рекламными технологиями или рекомендательными системами.
Знание технологий обработки больших данных, таких как Hadoop, Spark или аналогичные.
Навыки работы с инструментами автоматизации ML-пайплайнов.
Похожие вакансии Data Science & ML
Написали своего первого агента на LangGraph и хотите перейти на следующий уровень? Мы в команде Алисы строим мультиагентную платформу, которая будет решать различные задачи миллионов пользователей — от собственной продуктивности до коммерческих сценариев. WebAgents, tool calling, (V)LLM, A/GRPO, симуляторы, хардовый R&D — это всё про нас. С видеокартами мы уже разобрались, так что ищем крутых коллег, с которыми построим успешных агентов массового пользования.
Какие задачи вас ждут
Разработка и внедрение агентов на базе LLM, проектирование ML-компонентов платформы агентов
Вы будете создавать агентов, которые умеют обрабатывать сложные, multi-turn- и multi-modal-запросы пользователей. Предстоит разрабатывать системы маршрутизации задач, выбора инструментов и моделей, а также настраивать управление вызовами функций и оркестрацию различных моделей внутри пайплайна.
Замена традиционных классификаторов LLM-пайплайнами и RAG-системами
Нужно будет трансформировать старые архитектуры в современные пайплайны с LLM, вызовом функций, планированием и рассуждениями.
Дообучение, настройка и интеграция моделей, оптимизация inference
Вам предстоит работать как с опенсорс-моделями, так и с внутренними, включая fine-tuning, RL и адаптацию под платформу агентов. Нужно обеспечить быструю и устойчивую работу агентов на проде, включая оптимизацию inference и взаимодействие с инфраструктурой (Eagle, FP8, дистилляцию, multi-dimensional parallelism, etc.).
Исследования и эксперименты с графами агентов и памятью
Мы экспериментируем с вызовами агентов, memory-подсистемами, симуляцией поведения, архитектурами reasoning и системами планирования.
Участие в разработке RL-моделей для обучения диалоговых агентов
Если у вас есть опыт работы с multi-turn reinforcement learning или интерес к нему, можно будет погрузиться в постановку и реализацию таких экспериментов в масштабах Яндекса и Алисы с сотнями тулов и большим количеством тёрнов.
Мы ждем, что вы
- Обладаете глубокими знаниями в Deep Learning и NLP
- Работали с LLM и пайплайнами вокруг них (function calling, memory, RAG)
- Внедряли ML-системы в продакшен
- Мыслите системно — от архитектуры до интеграции с инфраструктурой
- Пишете на Python, знакомы с PyTorch
- Готовы к кросс-функциональной работе с бэкендом и продуктовыми командами
- Подготовка данных
- Разработка ML моделей и алгоритмов
- Прогнозирование и интерпретация результатов
- Автоматизация и внедрение решений
- Проведение экспериментов
- Опыт работы с алгоритмами машинного обучения и статистическими методами
- Способность разрабатывать и внедрять модели машинного обучения, решать комплексные задачи
- Профессиональное образование в области: Математика, Экономика, Информационные технологии, Анализ данных, Data Science, Математическая статистика
- Практический опыт по специальности от 3-4-х лет
- Портфолио с успешно завершенными проектами с решением сложных задач, включая работу с разными этапами жизненного цикла проекта: от анализа данных до оптимизации моделей
- Удаленный формат работы 5/2 с гибким началом рабочего дня с 8:00 до 10:00
- 4 day off в году
- Оплачиваемый отпуск
- Частичная компенсация занятий английским языком (SkyEng)
- Внешнее и внутреннее профессиональное обучение
- Реферальная программа
Привет! Это команда Нейросетевых технологий.
Наша команда является частью отдела платформы рекомендаций. Основные цели команды — развитие нейросетевых моделей товарной персонализации и создание унифицированных подходов к обучению и инференсу больших современных моделей для учета пользовательских предпочтений.
Наш стек
Python, PyTorch, PySpark, Airflow (Pipes - внутренний аналог)
Вы будете
Обучать нейросетевые модели для системы рекомендаций и помогать внедрять их в продакшен.
Работать над таргетами, специфичными для рекомендательной ленты.
Масштабировать нейросетевую модель, исследовать подходы по мультивекторному представлению пользователя и скалированию модели.
Работать над улучшением выразительности нейросетевой модели.
Развивать генеративный подход для продуктовых запросов.
Проектировать и поддерживать общие библиотеки и процессы для других команд
Нам важно
Хорошее знание Python.
Глубокое понимание принципов классического ML и Deep Learning.
Знание математической статистики и теории вероятностей
Опыт в обработке больших данных (PySpark).
Знание основных алгоритмов и структур данных.
Будет плюсом
Опыт с рекомендательными системами
Опыт с высоконагруженными системами
Участие в олимпиадах по математике или спортивному программированию
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.