Data scientist (NLP) middle

О вакансии

Платформа ОФД - крупнейший в России оператор фискальных данных.

Наша аудитория - около 1 млн пользователей. Мы создаем удобные IT продукты для предпринимателей, инструменты управления бизнесом, аналитические сервисы и новые услуги на основе Big Data.

Мы анализируем рынок российского ритейла на данных из чеков в режиме реального времени. Ежедневно мы обрабатываем 60 млн кассовых чеков - каждый 3-й чек, пробиваемый в России. В нашей базе 4,7 млрд уникальных названий товаров.

Наша команда DS

Строит NLP-ядро решения для автоматической категоризации товарных строк из чеков и извлечения атрибутов, конечной целью которого является восстановление товарной позиции до SKU (полное единое представление товара из чека со всеми присущими ему атрибутами). Ввиду уникальности экспертизы работы с языковыми моделями в обязанности команды также входит внедрение AI-агентов в процессы смежных подразделений компании

Ваша роль в команде и основные задачи

Разработка ML-моделей/rule-based/иных решений под поставленные задачи, поиск/лидирование разметки данных для обучения, покрытие мониторинговыми метриками, близкими к продуктовым

Обучение, заказ разметки, деплой и покрытие прод метриками модели под следующие типы задач:

• Классификация позиций в чеках по древовидному каталогу
• NER и нормализация атрибутов чековых данных
• AI-агенты на основе локальных LLM для внутреннего использования DS-команды и автоматизации задач смежных подразделений
• Прочие инструменты для разметки данных (очистка, препроцессинг и пр. rule-based решения)

Ближайшие ключевые задачи

• Быстрые адаптивные решения под отраслевые проекты (классификация и атрибуция)
• AI-агенты для разметки, ТП и чата
• Ресерч альтернатив ядерного решения

Требования к кандидату

• Трансформеры в NLP: коммерческий опыт обучения и эксплуатации
• Векторные представления + Retrieval/Re-rank
• Информационное извлечение в ритейле (NER, нормализация, линковка)

• Продуктовое мышление и работа с метриками
• Структуризация задач на компоненты и эксперименты (из "сырой" в шаги разработки)
• Умение формировать вывод и защищать результат

• Знание docker, vllm, k8s будет +

• Опыт создания дашбордов для мониторинга моделей и загрузки ЛЛМ

Желателен опыт работы с LLM (инференс/агенты): fine-tuning, дообучение, дистилляция, квантование

Стек, который мы используем

Данные

• Обширная ресерч-база, представленная миллиардами уникальных строк чековых наиманований, охватывающая весь возможный спектр отраслей
• Челендж в виде обработки миллионов уникальных наименований ежедневно
• Шумные нейминги, лонг-тейл категорий, постоянный поток новых формулировок/синонимов

Инфраструктура

• Разделение серверов на r&d и пром
• On-prem GPU для обучения и инференса нейросетевых моделей различной архитектуры, включая LLM
• Хранилище данных на Hadoop

Как проходит найм

Техническое интервью с TL команды DS Возможно выполнение тестового задания

Мы предлагаем условия

Трудоустройство по ТК РФ, аккредитованная ИТ-компания; Комфортный офис в шаге от м. Спортивная/ МЦК Лужники; График работы 5/2 с 9:00/10:00 до 18:00/19:00. Офисный формат работы на исп. срок, далее возможен гибрид; Обучение/семинары за счет компании; Расширенный соц. пакет: ДМС (поликлиника, госпитализация, стоматология), скидки от партнеров, льготы на ипотеку; Насыщенная корпоративная жизнь, ежемесячные пицца-пати; Открытая рабочая атмосфера, общение на "ты", отсутствие дресс-кода

Навыки из вакансии