ML Engineer в Ценообразование
Технологии
Описание вакансии
Кратко о роли
Wildberries ищет ML Engineer в команду ценообразования для развития ядра матчинга и улучшения NLP-пайплайнов. Предстоит работать с мультимодальными моделями и доводить решения до продакшена.
Ключевые задачи
- Развитие ядра матчинга: retrieval кандидатов по текстовым, картиночным и мультимодальным эмбеддингам.
- Обучение моделей классификации пар и работа с атрибутами товаров.
- Улучшение NLP-части пайплайна: обработка названий и извлечение атрибутов из описаний.
- Дообучение эмбеддинг-моделей с учетом специфики товаров.
- Доведение ML-решений до продакшена и ответственность за их работу.
Обязательные требования
- Опыт в Data Science и ML Engineering от 3 лет.
- Сильное понимание NLP (трансформеры, эмбеддинги, векторный поиск).
- Опыт дообучения моделей под конкретные задачи.
- Опыт работы с задачами матчинга.
- Уверенное владение Python, ML-стеком и SQL.
- Умение выбирать оптимальное решение (эвристики vs нейросети).
Будет плюсом
- Опыт работы с CV и мультимодальными моделями (CLIP-подобные, metric learning).
- Опыт работы с LLM/VLM в задачах классификации и ранжирования.
Условия и бенефиты
- Формат работы: гибрид или удаленно (Москва).
Процесс найма
- Отклик через официальный карьерный портал компании.
Wildberries ищет ML Engineer в команду Ценообразования.
Чем предстоит заниматься:
- Развивать ядро матчинга: retrieval кандидатов по текстовым, картиночным и мультимодальным эмбеддингам, обучать модели классификации пар, работать с атрибутами товаров.
- Улучшать NLP-часть пайплайна с учетом специфики оптовых товаров: обработка названий, извлечение атрибутов из описаний, дообучение эмбеддинг-моделей.
- Доводить решения до прода и отвечать за них.
Наши пожелания к кандидатам:
- Сильное понимание NLP: трансформерные модели, эмбеддинги, векторный поиск, опыт дообучения моделей под свою задачу.
- Опыт в задачах матчинга.
- Опыт в Data Science и ML Engineering с выводом моделей в продакшен от 3-х лет.
- Уверенные знания Python, ML-стека, SQL.
- Умение выбирать решение под задачу: не использовать нейросеть там, где достаточно эвристики, и наоборот.
- Опыт с CV и мультимодальными моделями (CLIP-подобные, metric learning), LLM/VLM в задачах классификации/ранжирования будет плюсом.
Условия:
- Формат работы: гибрид или удалённо (Москва).
Оригинальная вакансия:
https://t.me/datascienceml_jobs/1900