Senior Data Scientist

Временная зона команды

(GMT+3), Москва.

О команде

• Основные задачи, которые решает команда: персональные рекомендации; ранжирование поисковой выдачи; антифрод (модерация); поиск дубликатов объявлений, антибот, оптимизация ценообразования и многие другие. Так же есть CV, (например, нахождение одинаковых фоток, классификация), NLP и аудио (коллтрекинг).
• Отлично подойдет тем — кто любит mixed-data, ибо почти в каждой задаче можно прикрутить и тексты и фоточки и классический ML.
• Текущие процессы позволят новому сотруднику работать в офисе (Москва/Питер) или же полностью удалённо.

Людям Циан важно

• Делать не просто продукт, а лучший продукт, который меняет клиентский опыт. Команда гордится тем, что трансформирует рынок недвижимости, закрывая боли людей с поиском, продажей, ипотекой и арендой жилья.
• Решать сложные задачи и искать новые решения. Поэтому рабочий день иногда похож на квест, благодаря которому каждый может расти намного быстрее.
• Влиять на продукт. Слушают коллег и используют их экспертизу, идеи для выбора наилучшего решения в развитии продукта.
• Чувствовать себя комфортно в команде, говоря то, что думают. Для этого развивают культуру обратной связи и взаимного уважения.

Задачи, которые могут стать твоими

• Создание NLP моделей для анализа расшифрованных записей колл-трекинга.
• Разработка моделей классического ML для оценки готовности пользователя совершить целевое действие и для оценки “привлекательности” объявлений на сайте.
• Построение оптимальной модели ценообразования в зависимости от сложности поиска покупателя для объекта жилья и внешних факторов рынка.

Видят на этой позиции человека, который

• Имеет прикладной опыт применения МЛ в продакшн. Быстро понимает, какой результат “может быть“, а кого “не может быть”.
• Имеет представление о дизайне архитектуры ML решения: как разбить пайплайн на компоненты (бэкенд, квери-серч, инференс модели и тд).
• Способен построить процесс разметки данных (Толока, свое АПИ для ручной разметки).
• Способен разобраться почему метрики на проде отличаются от метрик на этапе валидации модели. Понимает где разница существенная, а где нет. Способен устранить проблему (например, определить какие фичи были с ликом и как его устранить).
• Умеет реализовать качественную кросс-валидацию и подобрать гиперпараметры с которыми модель не переобучена и не недообучена.
• Имеет опыт в классическом ML (различные имплементации бустинга, чем отличаются).
• Знаком с популярными архитектурами сеток, может на PyTorch (или на Keras) реализовать train loop.
• Знаком с методами понижения размерности: понимает суть PCA, знаком с автоэнкодерами, t-sne, svd.
• Знает и применяет алгоритмы отбора фичей (boruta, генетические алгоритмы, etc).
• Знаком с основами NLP: (как минимум, fit-predict последних слоев условного bert-а, суть LSTM, проблемы с градиентом: затухание, взрыв).
• Имеет опыт работы с GPU (CUDA, nvidia-drivers; утилиты для мониторинга nvidia-smi/nvtop).
• Уверенно кодит на Python (декораторы, пакетные менеджеры, генераторы, итераторы, контекстные менеджеры).

Будет плюсом:

• Стат. тесты. Умение объяснить что такое p-value и умение этими инструментами пользоваться. Можете посчитать, что одна модель стат. значимо отличается от другой. (t-test, хи кварат).
• Знакомство с основами CV: OpenCV (SIFT/SURF фичи, свертки, преобразование Фурье). Можете реализовать edge detection, Hough transform.

Что предлагают

• Оформление по ТК, белую зарплату.
• Современный БЦ с фитнес-центром.
• Две кухни оборудованными всем необходимым: микроволновые печи, кофемашины, чайники и т.д. Также на кухне всегда доступны снеки, фрукты, кофе и чай.
• 5 day off в год, помимо основного отпуска.
• Компенсация спорта.
• Профессиональный рост (ЛПР, корпоративная библиотека).
• ДМС с первого рабочего дня (со стоматологией, госпитализацией, страховкой выезжающего за пределы нашей страны).
• Корпоративный врач в офисе.
• Бесплатная авто и вело парковка.
• Офисный транспорт (самокаты).
• Комнаты, где можно поработать в полной тишине.