#Озон: Data Scientist (Deep Learning), Рекомендации и персонализация
#Офис #Москва

⚙️ Требования:
• Хорошее знание #python;
• Отличное знание основных алгоритмов и структур данных;
• Понимание принципов классического #ML и #DL;
• Знание основных архитектур нейросетей, применяемых в рекомендациях;
• Опыт разработки и (или) вывода в продакшн Deep Learning алгоритмов.

⚡️ Что делать:
• Участвовать в проработке/обучении и выкатке в прод моделей рекомендаций с упором на нейросетевые архитектуры;
• Интегрировать разработанные решения с runtime движком на Golang.

➡️ Кому подойдет:
Команда занимается персонализированным подбором контента для пользователей с целью повышения прибыльности компании. Основным фокусом является разработка и выкатка нейросетевых моделей в продакшн.

🚀Откликнуться

#Озон: Data Scientist, Ранжирование
#Офис #Москва

⚙️ Требования:
• Опыт работы в Data Science от 3х лет;
• Уверенные теоретические знания #ML;
• Сильный #python;
• Уверенное знание hadoop - стека, опыт работы с большими данными.

⚡️ Что делать:
• Заниматься полным циклом DS/ML задач для улучшения качества алгоритма ранжирования товаров в поисковой выдаче;
• Работать с данными от их исследования до автоматизации пайплайнов для регулярных расчетов датасетов и фичей на pyspark;
• Искать подходящие ML решения для бизнес-задач, планировать и проводить оффлайн и онлайн (А/Б) эксперименты.

🚀Откликнуться

#Озон: Data Scientist, Факторы ранжирования
#Офис #Москва

⚙️ Требования:
• Опыт работы в Data Science от 3-х лет;
• Уверенные теоретические знания #ML;
• Сильный #python;
• Уверенное знание hadoop-стека, опыт работы с большими данными.

⚡️ Что делать:
• Заниматься полным циклом разработки факторов для моделей ранжирования со стороны ML: исследование исходных данных, автоматизации пайплайнов для регулярных расчетов факторов и агрегатов на pyspark, проведение приемки разработанных факторов;
• Разрабатывать новые сложные факторы ранжирования в поиске и каталоге: текстовые на основе foundation-моделей, персонализация, факторы из рекомендаций и др.;
• Искать подходящие ML решения для бизнес-задач, планировать и проводить оффлайн и онлайн (А/Б) эксперименты.

🚀Откликнуться

#Озон: Senior Data Scientist, Подгруппа анализа данных
#Офис #Москва

⚙️ Требования:
• Опыт написания продакшн кода, в идеале для #ML-решений: #рексис, #CV, #LLM;
• Хорошее знание базовых алгоритмов и структур данных;
• Уверенное знание и опыт применения паттернов разработки;
• Базовые навыки систем-дизайна и ml-систем-дизайна;
• Уверенные знания математики и машинного обучения.

⚡️ Что делать:
• Создавать масштабируемые и отказоустойчивые сервисы предиктивной аналитики;
• Осуществлять супервизию архитектуры текущих сервисов;
• Создавать SOTA-модели потребления критических инфраструктурных ресурсов;
• Решать задачи численной оптимизации, задачи оптимальной упаковки;
• Участвовать в Code review, имплементации лучших практик разработки масштабируемых систем, помогать в развитии hard скиллов команды.

➡️ Кому подойдет:
Основная задача Подгруппы анализа данных - точно прогнозировать рост нагрузки на разные компоненты системы.

🚀Откликнуться

#Озон: TeamLead Data Scientist, Маркетплейс, Обработка видео и звука
#Офис #Москва

⚙️ Требования:
• Опыт управления командой;
• Самостоятельность;
• Гибкость;
• Готовность к изменениям.

⚡️ Что делать:
• Взаимодействовать со своим руководителем, декомпозировать цели, заниматься планированиям;
• Руководить командой, вести проекты;
• Выстраивать внутренние процессы;
• Общаться с бизнесом;
• Проводить поиск, онбординг и менторинг сотрудников.

🚀Откликнуться

#Озон: Старший Data Scientist (NLP), Понимание запроса
#Офис / #Гибрид / #Удаленно
#Москва #Спб

⚙️ Требования:
• Опыт #NLP в коммерческой разработке от 3х лет;
• Понимание запроса;
• Интерес к данным наравне с интересом к архитектурам моделей;
• Базовые знания теорвера и статистики;
• Навыки проектирования ПО;
• Английский для чтения статей.

⚡️ Что делать:
• Исследование доступных данных, создание пайплайнов сбора тренировочных и валидационных датасетов;
• Анализ результатов модели, метрик и формулировка гипотез по улучшению моделей;
• Обучение моделей (в основном текстовых), подбор параметров, архитектур;
• Планирование, выполнение и анализ АБ-тестов;
• Оптимизация моделей, вывод в прод;
• Автоматизация всех этих процессов.

🚀Откликнуться

#Озон: Cтарший MLOps разработчик, GPU инфраструктура
#Офис #Москва

➡️ Кому подойдет:
Команда отвечает за создание и поддержку пайплайнов для автоматизации процессов начиная со сбора и обработки данных и заканчивая обучением и инференсом моделей DS команд в направлении "Поиск и каталог". Команда также отвечает за все GPU ресурсы направления, поэтому одной из основных задач является обеспечение эффективного использования ресурсов для обучения и инференса моделей.

🚀Откликнуться | Все вакансии