Аналитик качества поиска (GigaSearch)

Описание

Мы — команда GigaSearch, создаём поисковый сервис, который отвечает на запросы пользователей на естественном языке. Наша миссия: предоставить GigaChat доступ к актуальной информации, чтобы пользователи получали точные ответы на любые вопросы — включая самые свежие новости и события. Аналитик качества в нашей команде — это человек, который выстраивает систему измерений с нуля: определяет, что и как мерить, запускает пайплайны оценки, находит деградации раньше пользователей и даёт командам сигнал к действию. Если вам интересно работать на стыке статистики, NLP и продуктовой аналитики — и вы хотите не просто считать метрики, а строить культуру качества внутри AI-продукта — вы наш кандидат. Над чем мы работаем Оценка качества поискового ретривера и итогового ответа LLM на реальном потоке данныхПостроение автоматических пайплайнов оценки на основе LLM-as-a-judgeРазработка фреймворков для работы с асессорами: гайдлайны, контроль качества разметки, межэкспертная согласованностьДизайн и анализ A/B экспериментов — от формулировки гипотезы до выводовМониторинг и алертинг качества на продакшн-трафике: обнаружение деградаций и регрессий

Обязанности

* проектирование стратегий семплирования для потоковой оценки качества (стратифицированное, reservoir sampling, приоритизация по сегментам запросов) * разработка и поддержка метрик качества поиска (NDCG, MRR, Precision@K, pFound) и генерации (Faithfulness, Answer Relevance, Context Recall) * построение автоматических пайплайнов LLM-оценки: дизайн судейских промптов, валидация надёжности судьи на контрольных выборках * организация краудсорсинговой разметки: написание инструкций для асессоров, настройка контроля качества, расчёт cohen's kappa / fleiss' kappa * самостоятельная реализация пайплайнов оценки (от SQL-запроса до дашборда) без зависимости от разработчиков * участие в дизайне и анализе A/B тестов: расчёт мощности, проверка стат. значимости, формулировка выводов * генерация гипотез о причинах деградации качества и постановка задач смежным командам

Требования

* опыт в аналитике данных или оценке качества ML/NLP систем от трех лет * Уверенное знание статистики: доверительные интервалы, гипотезы, A/B тесты, метрики согласованности разметчиков * практический опыт проектирования схем семплирования для потоков данных * знание метрик Information Retrieval и понимание их применимости в разных задачах * python на уровне уверенного аналитика: Pandas, NumPy, SciPy, работа с API LLM * продвинутый SQL (ClickHouse / PostgreSQL): оконные функции, сложные агрегации, оптимизация * умение самостоятельно закрывать задачу от идеи до результата **Будет плюсом** * опыт работы с RAG-системами и понимание их специфики (чанкование, эмбеддинги, ретривер vs. генератор) * практика с фреймворками автоматической оценки: Ragas, DeepEval, TruLens, MLflow Evaluate * опыт работы с краудсорсинговыми платформами (Толока, Label Studio и аналоги) * знакомство с OpenSearch / ElasticSearch как поисковым инструментом * опыт построения дашбордов и систем мониторинга (Superset, Grafana, DataLens) * знакомство с Airflow для оркестрации аналитических пайплайнов

Условия

* комфортный современный офис рядом с м. Кутузовская * гибридный формат работы * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * система обучения для профессионального и карьерного развития * расширенный полис ДМС с первого дня работы и страхование для семьи * программа ипотеки для сотрудников * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.