Data Scientist (NLP)

Какие задачи мы решаем

• Разрабатываем ML-модели для поиска и ранжирования организаций по пользовательским запросам.
• Улучшаем механизмы понимания и обработки поисковых запросов: сегментация текста, исправление опечаток, генерация автодополнений.
• Разрабатываем ML-модели для объяснимости выдачи: связывание товаров, услуг, атрибутов и отзывов с организациями.
• Делаем классификацию и кластеризацию запросов и организаций для повышения точности поиска.
• Разрабатываем ML-модели для саммаризации отзывов, извлечения фактов и других полезных данных из неструктурированных текстов.

Мы ждем, что Вы

• Работаете над NLP-задачами более 3 лет и имеете опыт реализации решений в реальных продуктах.
• Хорошо понимаете архитектуры современных моделей: BERT, T5, GPT и их вариаций — знаете их сильные и слабые стороны.
• Владеете Python и уверенно работаете с PyTorch, HF Transformers и другими ключевыми ML/DL-библиотеками.
• Умеете строить полный ML-пайплайн: от исследований и обучения до вывода модели в продакшен и поддержки инференса.
• Работали с задачами Semantic Search, Query Understanding, извлечения Embedding-представлений и Reranking.
• Умеете оценивать качество поисковых систем: Recall@K, MRR, NDCG, как в offline, так и в A/B-тестах.

Будет крутым бонусом, если Вы

• Знаете принципы оптимизации ML/DL-моделей и использовали библиотеки Triton, FasterTransformer, ONNX и другие.
• Разрабатывали ML-модели для задач поиска и ранжирования, в частности системы генерации кандидатов и Dense Retrieval с использованием FAISS, Usearch, ColBERT.
• Имеете опыт взаимодействия с backend/infra: FastAPI, Docker, gRPC, Kafka, ClickHouse, Kubernetes.
• Работали с инструментами для разработки LLM-инфраструктуры: LangChain, LoRA/PEFT, vLLM, SGLang и другие.
• Участвовали в исследовательских или pet-проектах в области NLP — особенно приветствуются статьи, Open Source и публичные демо.

Почему стоит к нам присоединиться

• Сложные задачи в реальном продукте — миллионы пользователей, огромный справочник организаций, разнообразие и сложность данных.
• Свобода выбирать технологии — мы используем передовые ML/NLP-инструменты и ищем лучшие решения.
• Влияние на продукт — у вас будет возможность создавать полезные фичи, которые делают поиск лучше и помогают людям каждый день.
• Сильная команда — с которой можно расти и масштабировать крутые ML-решения.
• Фокус на эксперименты – много A/B-тестирования, исследовательской работы, поиск оптимальных архитектур.
• Современный стек — PyTorch, Transformers, LangChain, Triton, ONNX, FastAPI, Kafka, Kubernetes.

Почему у нас классно

• 2ГИС — аккредитованная IT-компания.
• Можно работать удалённо. Для нас важен специалист, а не его локация. Если хочешь работать в гибридном формате, есть офисы в Москве, Санкт-Петербурге, два классных офиса в Новосибирске. А также коворкинги в Нижнем Новгороде, Томске, Астане, Алма-Ате.
• Само собой, полностью белая зарплата.
• Заботимся о здоровье: ДМС и возможность получать онлайн-консультации и терапевта, невролога, психолога и медицинского агента.
• Если хочешь делиться своим опытом, мы только за — поможем с выступлениями на конференциях и статьями для Хабра/VC.
• Есть собственный учебный центр: курсы, тренинги и книги для прокачки скиллов.