Старший Data Scientist

Что предстоит делать

В Fozzy Group мы создаем следующее поколение продуктов персонализации на основе ИИ, которые помогают миллионам клиентов находить релевантные товары, упрощают покупки и обеспечивают бесшовный омниканальный опыт. В роли Senior Data Scientist вы будете отвечать за проектирование и внедрение решений в области машинного обучения, которые обеспечивают персонализированный клиентский опыт на наших цифровых платформах. Вы будете разрабатывать архитектуру, создавать и оптимизировать крупномасштабные рекомендательные системы «под ключ» — от исследований и прототипирования до внедрения в production и измеримого бизнес-эффекта на вовлеченность клиентов, конверсию, рост корзины и удержание. Вы будете управлять широким портфелем продуктов персонализации, включая Рекомендации, Похожие товары, Замены товаров, Наборы, Cross-sell, Upsell и Next Best Action, тесно сотрудничая с продакт-менеджерами и командами разработки ПО, а также наставляя менее опытных data scientist'ов. Ключевые обязанности Отвечать за сквозное проектирование, разработку и развертывание крупномасштабных рекомендательных систем для персонализированного поиска товаров. Отвечать за реализацию стратегии персонализации в множестве точек взаимодействия с клиентом, включая Главную страницу, Страницы товаров, Корзину, Поиск, Оформление заказа, CRM-кампании и другие цифровые взаимодействия. Разрабатывать архитектуру ранжирующих моделей, которые оптимизируют рекомендации по множеству, часто конкурирующих, бизнес-целей: релевантность, конверсия, разнообразие, новизна, удовлетворенность клиентов и доход. Проектировать представления клиентов и товаров с помощью эмбеддингов, обучения представлений и графовых методов машинного обучения. Руководить разработкой моделей предпочтений клиентов и Next Best Action с использованием поведенческих, транзакционных и контекстных данных. Определять стратегию экспериментов: проектировать, проводить и анализировать A/B-тесты для строгой оценки бизнес-эффекта инициатив по персонализации, применяя каузальный вывод (causal inference) там, где это уместно. Обеспечивать непрерывное улучшение качества рекомендаций с помощью коллаборативной фильтрации, контентных методов, гибридных рекомендательных систем, learning-to-rank и подходов глубокого обучения — выбирая правильный метод для каждой задачи. Устанавливать стандарты для масштабируемых пайплайнов разработки признаков (feature engineering) и переиспользуемых ML-компонентов, а также внедрять их в команде. Формулировать лучшие практики для развертывания, мониторинга и поддержки ML-моделей в production, обеспечивая надежность, масштабируемость и воспроизводимость. Взаимодействовать с руководством продуктовых, инженерных, коммерческих и аналитических отделов для трансформации бизнес-задач в дорожную карту масштабируемых AI-продуктов. Наставлять middle и junior data scientist'ов через ревью кода и дизайна, техническое руководство и обмен знаниями. Предпочтительные квалификации Более 5 лет опыта в Data Science / Machine Learning, включая подтвержденный опыт создания production-grade рекомендательных систем в масштабе. Глубокое понимание алгоритмов Learning-to-Rank, оптимизации ранжирования и многокритериальной оптимизации. Экспертные знания моделей коллаборативной фильтрации, контентных и гибридных рекомендательных систем, а также понимание, когда какую из них применять. Сильный опыт в моделировании клиентов, обучении предпочтениям и обучении представлений. Опыт работы с графовым машинным обучением или графовыми нейронными сетями будет преимуществом. Продвинутый практический опыт работы с фреймворками глубокого обучения, такими как PyTorch или TensorFlow. Подтвержденный опыт создания масштабируемых ML-пайплайнов и production MLOps-процессов. Глубокие знания в области экспериментов, A/B-тестирования и каузального вывода (causal inference), включая дизайн экспериментов для сложных продуктовых экосистем. Отличные навыки работы с SQL и Python; опыт работы со Spark или фреймворками распределенной обработки данных будет преимуществом. Продемонстрированная способность руководить техническими инициативами, влиять на кросс-функциональных стейкхолдеров и наставлять других data scientist'ов.

Что предлагаем