Mittlerer NLP-Datenwissenschaftler (Prom.ua) in EVO

Middle NLP Data Scientist (Prom.ua)

Kiew, aus der Ferne

Prom.ua – der größte Marktplatz von Ukraine, wo mehr als 100 Millionen Produkte von Zehntausenden Unternehmern aus dem ganzen Land verkauft werden.

Bei Prom.ua:

• findet jeder Käufer alles, was er braucht, zum besten Preis: von der Zahnbürste bis zum Gartenkultivator und dergleichen Stadt
• Jeder Unternehmer kann Waren im Katalog des Marktplatzes, auf der auf der Prom-Plattform erstellten Website und in der mobilen Anwendung „Prom Shopping“ verkaufen.

Prom.ua in Zahlen:

• 4,8 Millionen Menschen besuchen täglich
• den Marktplatz Mehr als 60.000 Unternehmen arbeiten auf dem Markt
• im Katalog von 120 Millionen Produkten

Über das Data Science-Team:

Wir optimieren verschiedene Teile des Produkts mithilfe von Daten und Algorithmen für maschinelles Lernen. Parallel dazu bauen wir KI-Systeme auf, die einen strategischen Geschäftsvorteil bieten und das Unternehmen in Richtung E-Commerce der Zukunft führen.

Jetzt besteht das Team aus 5 Personen: 4 Datenwissenschaftler und Teamleiter.

Arbeitsbereiche des Teams:

• Produktempfehlungen und Personalisierung;
• Suche und ML-Ranking;
• Maschinelle Übersetzung von Produktinhalten;
• Automatische Moderation von Waren im Katalog, Klassifizierung von Waren;
• Ermittlung doppelter Ware;
• Generierung und Validierung von Tags für SEO

Merkmale der Teamarbeit:

• Hohe Einbindung in das Produktumfeld, nah Interaktion zwischen Teams — > wenig Recherche geht unter den Tisch, viele Modelle in der Produktion
• Verständnis für die gesetzten Ziele, Konzentration auf das Ergebnis -> Modelle tun, was notwendig ist, und tun nicht, was nicht notwendig ist < /li>
• Mangel an Bürokratie, die Möglichkeit, sich an der Auswahl von Aufgaben zu beteiligen, eine entwickelte Kultur der Initiative und Verantwortung für das Ergebnis
• Fokus auf den Aufbau einer Infrastruktur für mehr Zuverlässigkeit von Entscheidungen, Automatisierung von Routinen usw Schaffung neuer Möglichkeiten bei Aufgaben
• Zusammenarbeit und Teamgeist: gegenseitige Sorge und Unterstützung, freundliche Atmosphäre
• Erfahrungsaustausch: Autorenkurse, Projektpräsentationen, Teampflege usw.

Wir bauen enge Beziehungen zum Entwicklungs- und Testteam auf. Analysten helfen uns, Entscheidungen betriebswirtschaftlich zu bewerten.

Für die tägliche Arbeit kann bei Bedarf ein erhöhter JupyterHub-Server mit der Möglichkeit, die erforderlichen Eigenschaften der Arbeitsumgebung festzulegen, auf einem lokalen Computer ausgeführt werden. Wir verfügen über eigene Server mit Grafikkarten zum Trainieren und Bereitstellen von Modellen.

Projekte von der technischen Seite:

Programmiersprache: Python

Datenanalyse und -verarbeitung: Jupyter Notebook, Pandas, NumPy

Maschinelles Lernen und Deep Learning: Scikit-learn, TensorFlow, PyTorch, FAISS, XGBoost

Datenvisualisierung und Überwachung: Matplotlib, Seaborn, Plotly, Bokeh, Tableau, Grafana

Datenbanken: Postgres

Big Data und verteiltes Rechnen: Apache Spark, Hadoop

MLOps: MLflow, DVC, TensorFlow Serving, Python-Paketierung, Fast API

Dags: Airflow,

Datenwarteschlangen: Kafka,

Suche: Elasticsearch.

Für diese Rolle ist es wichtig:

• ein tiefes Verständnis neuronaler Netze, insbesondere NLP: Verständnis der Unterschiede in Modellarchitekturen, Anwendungsprinzipien, Hyperparameter-Tuning, Transferlernen , Lernen von Grund auf

  li>

  Erfahrung in der Klassifizierung/Segmentierung/Textgenerierung unter Verwendung sowohl klassischer Methoden als auch Deep Learning

  Erfahrung in der Arbeit mit Frameworks für die Entwicklung neuronaler Netzwerke (PyTorch/TensorFlow )

  Erfahrung in der Arbeit mit maschinellem Lernen: Problemformulierung, Datenerfassung und -recherche, Modelltraining, Bewertung der Ergebnisse, Analyse der Modellleistung, Vorbereitung auf den Einsatz;

  Erfahrung in der Bereitstellung und Unterstützung des Modells in der Produktion, Verbesserung bestehender Modelle

  Fähigkeit, zuverlässigen und sauberen Code in Python zu schreiben, Verständnis und Verwendung verschiedener Datenstrukturen, OOP sowie Wissen von VC (Git usw.);

  Bereitschaft, tief in geschäftliche Probleme einzutauchen und diese in ML-Begriffe zu übersetzen (Architektur, Verlustfunktionen, Metriken)

Was ein Plus sein wird: