Senior Data Scientist, Ранжирование (рынки СНГ)

Локация: гибрид или удалённо; офисы в Москве, Санкт-Петербурге, Иннополисе, Новосибирске, Алматы и Астане; удалённая работа доступна из любой точки мира.

Зарплата: от 475 000 ₽ в месяц до налогов, совокупно.

Компания

Ozon — маркетплейс с поисковой экосистемой, обслуживающей десятки миллионов покупателей.

Что делать

• Развивать алгоритмы поискового ранжирования для рынков СНГ, повышая релевантность выдачи, конверсию и качество пользовательского опыта.
• Исследовать различия в пользовательском поведении, ассортименте, ценах, доставке, поисковых запросах и распределениях данных на локальных рынках.
• Адаптировать LTR-модели с применением transfer learning и domain adaptation, включая задачи cold start и ограниченного количества пользовательских сигналов.
• Разрабатывать ML-признаки и анализировать взаимодействие текстовой релевантности, вероятности покупки, цены, доставки и других факторов ранжирования.
• Проводить offline-эксперименты и A/B-тесты, анализировать поведенческие данные и влияние моделей на продуктовые метрики.
• Развивать production ML-пайплайны: подготовку данных, обучение, валидацию, деплой, мониторинг и переобучение моделей; взаимодействовать с ML Engineering, аналитиками и продуктовыми командами.

Требования

• Уверенный опыт в Data Science или Machine Learning и самостоятельная реализация ML-проектов от исследования до внедрения в production.
• Понимание алгоритмов машинного обучения, градиентного бустинга, методов оптимизации, feature engineering и оценки качества моделей.
• Опыт или хорошее понимание Learning to Rank, рекомендаций, поиска или предсказания пользовательского поведения.
• Знание pointwise, pairwise и listwise learning, ranking losses и практических особенностей обучения и оценки ранжирующих моделей.
• Сильная математическая и статистическая база: проверка гипотез, A/B-тестирование, доверительные интервалы, анализ распределений и интерпретация результатов экспериментов.
• Умение глубоко анализировать данные, выявлять проблемы в моделях и формулировать обоснованные гипотезы для улучшения.
• Уверенное владение Python, SQL и основными ML-инструментами, включая CatBoost, XGBoost, LightGBM, PyTorch или аналогичные решения.
• Опыт работы с большими данными, построения признаков и подготовки обучающих выборок.
• Понимание жизненного цикла production ML — от подготовки данных и обучения до деплоя, мониторинга и контроля качества; способность самостоятельно вести сложные ML-задачи и доводить исследования до практического результата.

Хорошо, если есть

• Опыт в e-commerce, marketplace, search ranking, recommender systems или ads ranking.
• Опыт построения и оптимизации Learning to Rank-моделей на поисковых и поведенческих данных.
• Опыт с transfer learning, domain adaptation, multi-task learning или моделями для нескольких рынков, доменов и сегментов пользователей.
• Опыт работы с sparse data, cold start, data distribution shift или моделями для рынков с ограниченными обучающими сигналами.
• Знакомство с positional bias, counterfactual learning, propensity modeling и калибровкой предсказаний.
• Опыт с deep learning, embeddings, transformers, neural ranking architectures, Spark, Hadoop и другими инструментами обработки больших данных и production ML.
• Опыт чтения и практического применения научных публикаций в Information Retrieval, Learning to Rank и recommender systems.

Культура и преимущества

• Гибридный, удалённый или офисный формат работы; доступны коворкинги в России и других странах.
• ДМС со стоматологией, льготная медицинская страховка для близких, страхование от несчастных случаев, полис для выезжающих за рубеж и поддержка психолога.
• Курсы по запросу, карьерное развитие, Ozon Универ и участие в конференциях с оплатой билетов, дороги и проживания.
• Открытая культура, самостоятельность, обмен экспертизой и современная инженерная среда.
• Спортивные клубы, фитнес-скидки, йога, завтраки в офисе, кофе-поинты и партнёрские скидочные программы.
• Льготная жилищная программа и другие практические программы поддержки сотрудников.