Чем предстоит заниматься:
Команда Pricing
- Участвовать в развитии и оптимизации процессов ценообразования в Lamoda:
- Улучшать ML-продукт регулярного ценообразования;
- Разрабатывать промо-модели для анализа и создания эффективных акций;
- Реализовывать новые продукты, например, персональное ценообразование;
- Строить систему конкурентного ценообразования: анализировать рынок, мониторить цены конкурентов и разрабатывать модели для автоматического матчинга;
- Интегрировать модели ценообразования с процессами управления ассортиментом, стоком и контентом;
- Инициировать и внедрять data-driven проекты для повышения эффективности бизнеса.
Команда Ranking&Search
- Развитие моделей ранжирования товаров в каталоге/поиске: персонализация каталога/поиска, добавление онлайн факторов по текущей сессии, адаптация ранжирования для новых пользователей, развитие алгоритмов генерации кандидатов, создание системы совместной оптимизации различных бизнес целей компании с помощью ранжирования, улучшение пайплайна ранжирования с помощью нейросетевых моделей
- Улучшение алгоритмов поиска, в том числе с использованием нейронных сетей
- Развитие системы поиска: поисковые подсказки, обогащение товаров атрибутами (из фото, описания, отзывов), система фильтров, визуальные фичи в каталоге, spell-check
Команда Recommendations
- Развивать персонализированные рекомендации на главной странице: новые кандидатные движки, улучшать реранкер, переход в онлайн;
- Разрабатывать рекомендации на корзине (Upsell-рекомендации);
- Улучшать рекомендации похожих товаров.
Команда AI Stylist
- Обучать модели глубокого обучения с фокусом на contrastive и metric learning;
- Развивать и применять подходы, позволяющие работать с данными различных модальностей, например CLIP и SigLIP;
- Обогащать атрибуты товаров: извлекать атрибуты из фотографий, описаний товаров, отзывов, генерировать описания с помощью нейронных сетей;
- Разрабатывать retrieval алгоритмы в различных задачах: визуальный поиск, поиск релеватного документа, поиск подходящего товара (Complete the Look);
- Обучать модели "чувствовать" моду: кластеризовать модные тренды, развивать алгоритмы комплементарных рекомендаций с фокусом на стили.
Требования:
- Опыт в области анализа данных и машинного обучения (от 2 лет);
- Опыт работы с SQL, Hadoop, Hive, Spark;
- Владение Python, Linux, методами работы с большими данными;
- Опыт работы как минимум с 2 ML библиотеками: Scikit-learn, CatBoost/XGBoost, PyTorch, Spark ML;
- Знания теории вероятностей и математической статистики;
- Знания в области машинного обучения, прогнозного моделирования и методов статистического анализа;
- Знание алгоритмов и структур данных;
- Высшее образование в области прикладной математики, информационных технологий, информатики и т.п;
- Английский язык на уровне технического чтения.