Senior Data Scientist (Recommendations & Search)

Что предстоит делать

<p><strong>COMFY</strong> — украинская омниканальная e-commerce компания. Мы развиваем <strong>Central Data Office</strong>, чтобы Data Science, AI и аналитика помогали принимать качественные решения и давали измеримый эффект в клиентском опыте, коммерции и операционных процессах.</p><p><strong>Recommendations &amp; Search</strong> — направление, которое помогает клиентам быстрее находить релевантные товары в online-каналах COMFY.</p><p>Роль работает в matrix-модели между <strong>Personalization Platform</strong> и <strong>E-commerce Product Discovery</strong>, объединяя Product, Data Science, Analytics и Product Engineering вокруг product discovery, findability и контролируемых экспериментов.</p><h3>О роли</h3><p>Ищем <strong>Senior Data Scientist</strong>, который возьмет ownership за model logic, evaluation и experimentation в направлении <strong>Recommendations &amp; Search</strong>.</p><p>Фокус роли — <strong>product discovery, recommendations, ranking и search relevance</strong>.</p><p>Это hands-on роль для специалиста, который умеет сочетать ML, статистику, experimentation и product thinking — от формулирования проблемы и построения модели до проверки ее влияния на customer experience и бизнес-метрики.</p><p>Выбор персонального предложения или преимущества для конкретного клиента и оценка его incremental effect относятся к отдельному направлению <strong>CVM Offer Personalization</strong>.</p><h3>Над чем работать</h3><ul><li>Recommendations и ranking для различных customer journeys и touchpoints.</li><li>Search relevance, findability и recovery для запросов без полезного результата.</li><li>Работа с customer, session, catalog, content и availability signals.</li><li>Cold-start, diversity, freshness и coverage без ухудшения customer experience.</li><li>Offline evaluation и online experiments.</li><li>Связь rank quality с conversion, revenue per session и другими business metrics.</li><li>Совместная с Product Engineering работа над data/feature contracts, production acceptance, monitoring requirements и retraining criteria.</li></ul><h3>Что будет в вашей зоне ответственности</h3><ul><li>Вместе с Personalization Platform, E-commerce Product Discovery и Product stakeholders превращать discovery и search problems в проверяемые <nobr>ML-гипотезы,</nobr> baseline и success metrics.</li><li>Исследовать, строить и валидировать <strong>recommendation, ranking и search relevance models</strong>.</li><li>Проектировать evaluation, который сочетает offline rank quality с <strong>conversion, revenue per session, findability и customer experience</strong>.</li><li>Планировать и анализировать online experiments, отделяя model improvement от presentation, assortment и availability effects.</li><li>Определять подходы к <strong>cold-start, diversity, freshness, coverage и zero-result recovery</strong>.</li><li>Определять feature definitions вместе с Data Engineering и проверять data/feature readiness.</li><li>Готовить model cards, assumptions, limitations, guardrails, acceptance criteria и handoff для Product Engineering.</li><li>Анализировать post-launch signals, model drift и сегменты деградации.</li><li>Формировать проверяемые гипотезы для следующих итераций моделей и продукта.</li><li>Объяснять результаты, trade-offs и recommendations product, engineering и business stakeholders понятным языком.</li></ul><h3>Что для нас важно</h3><p><strong>Обязательно:</strong></p><ul><li>Опыт уровня <strong>Senior Data Scientist</strong>, подтвержденный работой с recommendation, ranking или search relevance решениями и измеримым product/business impact.</li><li>Сильные знания <strong>статистики, model validation, experimentation и offline/online evaluation</strong>.</li><li>Уверенное владение <strong>Python и SQL</strong>.</li><li>Практический опыт с pandas, NumPy, scikit-learn или аналогичным ML stack.</li><li>Опыт работы с большими поведенческими, catalog и transactional datasets.</li><li>Понимание <strong>data quality, leakage и cold-start risks</strong>.</li><li>Умение связывать rank quality с <strong>customer и business outcomes</strong>, а не оптимизировать offline-метрику изолированно.</li><li>Понимание production ML lifecycle и опыт партнерства с Data/ML Engineering.</li></ul><p><strong>Будет плюсом:</strong></p><ul><li>Опыт в <strong>e-commerce, marketplace или high-volume consumer products</strong>.</li><li>Практический опыт с <strong>BigQuery, MLflow, Feature Store</strong> или аналогичными инструментами.</li><li>Опыт с catalog quality, semantic relevance или session-based product discovery.</li><li>Опыт mentoring, peer review или формирования Data Science standards.</li></ul><h3>Технологический стек</h3><p><strong>Python, SQL, BigQuery, Jupyter, pandas, NumPy, scikit-learn, MLflow, Feature Store.</strong></p><h3>Что мы предлагаем</h3><ul><li><strong>Work-life balance</strong> и удаленный формат работы.</li><li>Офис в Днепре — по желанию.</li><li>Автономию в <strong>model design, experimentation и формировании evidence-based решений</strong>.</li><li>Возможность напрямую влиять на <strong>product discovery, customer experience и бизнес-метрики</strong> масштабной e-commerce компании.</li><li>Работу на пересечении <strong>Data Science, Product, Personalization и Engineering</strong>.</li><li>Сотрудничество с Central Data Office, Personalization Platform, E-commerce Product Discovery и Product Engineering.</li></ul> <div> <a href="https://jobs.dou.ua/companies/comfy/vacancies/369426/#reply-btn-id">Откликнуться на вакансию</a> </div>