Data Scientist Middle+

Мы ищем Data Scientist (Middle+) для разработки и оценки алгоритмов семантического сопоставления текстов.

Обязанности:

• Разрабатывать и улучшать алгоритмы поиска заимствований, включая семантическое сопоставление текстов, поиск перефразирований и глубокого рерайта;
• Проводить исследования и сравнительные эксперименты: классические методы (шинглы, n-граммы), эмбеддинги, трансформеры;
• Формулировать и проверять гипотезы самостоятельно, выбирать метрики и критерии качества дата сетов;
• Готовить датасеты, разметку, валидацию и тестовые выборки; контролировать качество данных;
• Оценивать false positive / false negative;
• Работать в связке с продуктом и разработкой и предлагать решения;
• Документировать подходы, эксперименты и ограничения.

• Опыт в Data Science от 3 лет;
• Уверенный Python: pandas, numpy, scikit-learn, PyTorch/TensorFlow;
• Понимание задач семантического сходства, классификации текстов, поиска дублей и перефразирований;
• Опыт работы с русскоязычными текстами: токенизация, морфология;
• Опыт работы с метриками качества: precision/recall/F1, ROC-AUC, калибровка вероятностей, анализ ошибок;
• Опыт работы с vector search / embeddings search (FAISS, Milvus, Qdrant и аналоги);
• Навык самостоятельно разбираться в новой предметной области и предлагать решения.

Будет плюсом:

• Опыт в поиске заимствований, дедупликации или информационном поиске;
• Понимание методов детекции AI-generated text: перплексия, burstiness, стилометрия, классификаторы на трансформерах;
• Опыт с LLM: промпт-инжиниринг, fine-tuning, RAG, оценка галлюцинаций;
• Опыт работы с длинными документами: chunking, агрегация предсказаний по фрагментам;
• Знание SQL и опыт работы с большими текстовыми корпусами;
• Опыт A/B-тестирования моделей в продукте;
• Публикации, pet-проекты или вклад в open-source по NLP/ML.

Личные качества:

• Самостоятельность: умеет сам распределять свое время, приоритизировать и доводить задачи до видимого результата;
• Исследовательское мышление: не боится неопределённости и проверяет гипотезы данными;
• Инженерная зрелость: думает не только о метриках, но и о продакшене, стоимости инференса и поддержке;
• Умение объяснять сложные вещи простым языком продукту и бизнесу.

• Работа в офисе (гибрид - обсуждается);
• Работа в аккредитованной ИТ-компании;
• Оформление в соответствии с ТК РФ;
• График 5/2 (сб, вс - выходные);
• Белая ЗП.