NLP Engineer в Команду пользовательского антифрода

Вместе с масштабным развитием IT-направления, Wildberries строит культуру Trust and Safety, гарантируя непрерывную безопасность и доверие между компанией, её сотрудниками, пользователями и клиентами. Команда пользовательского антифрода специализируется на выявлении и пресечении мошеннических действий со стороны покупателей и продавцов, что достигается путем анализа подозрительной активности.

Обязанности

• Проектирование, разработка и внедрение алгоритмов обработки естественного языка (NLP) для решения прикладных бизнес-задач
• Исследование, доработка и оптимизация существующих NLP-моделей (в том числе классификация, извлечение сущностей, генерация текста, семантический поиск и др.)
• Анализ текстовых данных, проведение EDA с учетом специфики языкового материала (включая мультиязычные и неструктурированные данные)
• Разработка пайплайнов для предобработки текста, токенизации, нормализации, выделения признаков и других стадий подготовки данных
• Визуализация результатов NLP-анализов, подготовка отчетов и интерпретация выводов для бизнес-пользователей
• Внедрение новых библиотек, фреймворков и подходов (например, трансформеры, LLM, RAG) в процессы обработки текста
• Участие в менторстве и обучении менее опытных коллег, проведение code review и обмен best practices внутри команды

Требования

• Умение вести NLP-проект на всех этапах: от постановки задачи и анализа данных до оценки качества, упаковки решений и взаимодействия со стейкхолдерами
• Уверенное владение NLP- и ML-стеком на Python: HuggingFace Transformers, spaCy, NLTK, gensim, Scikit-Learn и др.
• Умение работать с пайплайнами предобработки текста (токенизация, нормализация, очистка, лемматизация, сегментация и др.)
• Знание библиотек для анализа и визуализации данных — pandas, seaborn, matplotlib
• Владение принципами ООП, написание чистого, читаемого и поддерживаемого кода, наличие практики написания автотестов
• Базовые знания SQL для извлечения и подготовки текстовых данных из хранилищ
• Будет плюсом: опыт работы с Gradio, Streamlit, FastAPI для прототипирования и демонстрации моделей