Data scientist (NLP) middle

Платформа ОФД - продуктовая IT- компания, крупнейший в России оператор фискальных данных.

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:
1. Классификация позиций в чеках по древовидному каталогу
2. NER и нормализация атрибутов чековых данных
3. AI-агенты на основе локальных LLM для внутреннего использования DS-команды и автоматизации задач смежных подразделений
4. 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

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

Стек, который мы используем:

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

Инфраструктура:
1. Разделение серверов на r&d и пром
2. On-prem GPU для обучения и инференса нейросетевых моделей различной архитектуры, включая LLM
3. Хранилище данных на Hadoop

Как проходит найм:

• Техническое интервью с TL команды DS
• Выполнение тестового задания

Мы предлагаем условия:

• Комфортный офис с relax зоной близко от м. Спортивная / МЦК Лужники
• График работы гибридный: офис 1 раз в неделю по пятницам. Гибкое время начала рабочего дня
• Трудоустройство по ТК РФ, белая заработная плата
• ДМС, включая госпитализацию, скорую и стоматологию
• Насыщенную корпоративную жизнь
• Обучение и семинары за счет компании