Data Scientist

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.

• 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.