Lamoda Tech

Data Scientist (AI Stylist)

Не указана
  • Москва
  • Полная занятость
  • Полный день
  • От 1 года до 3 лет
  • Python
  • Machine Learning
  • Deep Learning
  • NLP

Мы в поиске Data Scientist в команду, занимающуюся применением DL подходов в задачах Lamoda. Наша цель – с помощью глубокого обучения научиться понимать стиль, сходство, атрибуты одежды, а также предпочтения миллионов пользователей.

Чем предстоит заниматься:

  • Обучать модели глубокого обучения с фокусом на contrastive и metric learning;
  • Развивать и применять подходы, позволяющие работать с данными различных модальностей, например CLIP и SigLIP;
  • Обогащать атрибуты товаров: извлекать атрибуты из фотографий, описаний товаров, отзывов, генерировать описания с помощью нейронных сетей;
  • Разрабатывать retrieval алгоритмы в различных задачах: визуальный поиск, поиск релеватного документа, поиск подходящего товара (Complete the Look);
  • Обучать модели "чувствовать" моду: кластеризовать модные тренды, развивать алгоритмы комплементарных рекомендаций с фокусом на стили.

Стэк технологий: Big data (Hadoop, PySpark, Hive), Python, Catboost, Airflow, Docker, SQL, PyTorch.

Почему у нас классно:

  • Мы аккредитованная IT-компания;
  • Хорошо выстроенные процессы: квартальное планирование по методологии OKR, двухнедельные спринты, регулярные стендапы и проектные встречи для синхронизации;
  • Сильная команда middle и senior специалистов, развитое DS-сообщество, где есть возможность обмениваться знаниями на внутренних митапах;
  • У нас представлен полный жизненный цикл разработки data-driven продуктов с применением ML — от идеи и генерации гипотез до запуска АБ тестов. В части разработки онлайн-сервисов и деплоя моделей нам помогает команда инженеров.

Мы ожидаем:

  • Опыт в области анализа данных и машинного обучения (от 2 лет);
  • Опыт работы с SQL, Hadoop, Hive, Spark;
  • Владение Python, Linux, методами работы с большими данными;
  • Опыт применения Deep Learning в задачах Computer Vision, NLP;
  • Опыт работы с фреймворками глубокого обучения (мы используем PyTorch);
  • Знания теории вероятностей и математической статистики; машинного обучения, прогнозного моделирования и методов статистического анализа; алгоритмов и структур данных;
  • Высшее образование в области прикладной математики, информационных технологий, информатики и т.п;
  • Английский язык на уровне технического чтения.

Как мы работаем:

  • Пишем на Python 3.6+ и PySpark 3.0;
  • Для ресерча доступны два сервера (80 cores, 650Gb RAM), на которых развернут JupyrerHub и есть доступ к Hadoop-кластеру;
  • Код с логикой ML-пайплайнов упаковываем в Docker и выкатываем, используя CI/CD-инструменты с запуском code style проверок и тестов;
  • Используем Airflow для управления ML-пайплайнами и запуском их по расписанию;
  • В командах есть культура code review как для изменений по части продакшен-пайплайнов, так и для ресерч-задач;
  • Регулярно проводим командные брейнштормы с целью генерации новых идей по развитию наших data-driven продуктов;
  • В компании внедрена культура принятия решений на основании данных и все изменения тестируем через a/b эксперименты.