Старший Data Scientist, Ранжирование (рынки СНГ)

Привет! Мы команда Ранжирование.

Наша команда отвечает за качество поисковой выдачи в Ozon. Результат нашей работы ежедневно видят десятки миллионов покупателей: от того, насколько точно мы ранжируем товары, напрямую зависят пользовательский опыт, конверсия, продажи продавцов и эффективность всей поисковой экосистемы.

Мы развиваем модели ранжирования, которые помогают пользователям быстрее находить наиболее подходящие товары, учитывая поисковый запрос, поведение покупателей, характеристики товаров, цену, доставку и другие сигналы маркетплейса.

Сейчас мы ищем Senior Data Scientist, который сфокусируется на развитии поискового ранжирования для рынков СНГ.

Это направление со своими интересными ML-вызовами: различия в пользовательском поведении, локальная специфика ассортимента, особенности поисковых запросов, неоднородность данных и необходимость адаптировать модели под рынки с разным объемом трафика и исторических данных.

Вы будете

• Развивать алгоритмы поискового ранжирования для рынков СНГ, повышая релевантность выдачи, конверсию и качество пользовательского опыта.

• Исследовать особенности локальных рынков: различия в поисковом поведении, ассортименте, ценах, доставке, пользовательских предпочтениях и распределениях данных.

• Адаптировать существующие LTR-модели под региональную специфику, исследовать подходы к transfer learning и domain adaptation, эффективно использовать данные более крупных рынков для улучшения качества на менее насыщенных данными рынках.

• Работать над задачами ранжирования в условиях ограниченного количества пользовательских сигналов, cold start, различий в распределении данных и меняющихся характеристик ассортимента.

• Разрабатывать новые ML-признаки, исследовать взаимодействие текстовой релевантности, вероятности покупки, цены, доставки и других факторов, влияющих на итоговый порядок товаров.

• Анализировать поисковые запросы и их особенности: язык, морфологию, транслитерацию, локальную терминологию и различия в формулировках пользовательских потребностей.

• Глубоко анализировать поведенческие данные: показы, клики, добавления в корзину, покупки, позиции товаров и последовательности пользовательских действий.

• Формулировать и проверять ML-гипотезы, проводить offline-эксперименты и A/B-тесты, анализировать результаты и находить причины изменений продуктовых метрик.

• Развивать и поддерживать production ML-пайплайны: обучение, валидацию, деплой, мониторинг и переобучение моделей.

• Работать совместно с Data Science, ML Engineering, аналитиками и продуктовыми командами, доводя решения от исследования до стабильного production и измеримого бизнес-эффекта.

• Изучать и применять современные подходы из Learning to Rank, Information Retrieval, recommender systems и других областей ML.

Нам важно

• Уверенный опыт в Data Science / Machine Learning и самостоятельной реализации ML-проектов от исследования до внедрения в production.

• Хорошее понимание алгоритмов машинного обучения, особенно градиентного бустинга, методов оптимизации, feature engineering и оценки качества моделей.

• Опыт или хорошее понимание задач Learning to Rank, рекомендаций, поиска или предсказания пользовательского поведения.

• Знание основных подходов к ранжированию: pointwise, pairwise, listwise learning, ranking losses, а также практических особенностей обучения и оценки ранжирующих моделей.

• Сильную математическую и статистическую базу: проверка гипотез, A/B-тестирование, доверительные интервалы, анализ распределений и интерпретация экспериментальных результатов.

• Умение глубоко анализировать данные, находить закономерности, выявлять проблемы в моделях и формулировать обоснованные гипотезы для их улучшения.

• Уверенное владение Python, SQL и основными инструментами ML, такими как CatBoost, XGBoost, LightGBM, PyTorch или аналогичными.

• 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, принимать технические решения и доводить исследования до практического результата.

Будет плюсом

• Практический 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 обучением моделей для нескольких рынков, доменов и сегментов пользователей.

• Опыт работы с sparse data, cold start, data distribution shift или моделями для рынков с ограниченным количеством обучающих сигналов.

• Знакомство с методами оценки и коррекции positional bias, counterfactual learning, propensity modeling и калибровкой предсказаний.

• Опыт с deep learning, embeddings, transformers или современными neural ranking architectures.

• Опыт работы с Spark, Hadoop и другими инструментами обработки больших данных и production ML.

• Опыт чтения и практического применения научных публикаций в области Information Retrieval, Learning to Rank и recommender systems.