- Страна
- Россия
Data Scientist в команду поискового адаптера
Оценка ИИИнтересные задачи на стыке CV и NLP в крупном проекте. Вакансия предлагает работу над ключевым функционалом продукта — поиском, что гарантирует видимый результат работы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в области NLP, Computer Vision и систем ранжирования. Работа с поисковой выдачей подразумевает понимание метрик качества поиска и умение работать с высоконагруженными системами.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ объявлении не указана зарплата, но для Senior/Middle Data Scientist в России рыночный диапазон составляет от 250 000 до 450 000 рублей. Предложение, скорее всего, будет соответствовать этим рамкам в зависимости от квалификации кандидата.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
Пришла золотая осень, поэтому мы принесли золотую вакансию *🍂*
*▫️* Откликнуться
Из задач: кастомизировать модели ранжирования, персонализировать поисковую выдачу и работать с её разнообразием, генерировать описание товара по фотографии, развивать поиск по продавцам и интегрировать его в основную выдачу.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Go
- Machine Learning
- Ranking
- Computer Vision
- NLP
- Personalization
Возможные вопросы на собеседовании
Вакансия предполагает работу с выдачей и персонализацией.
Какие метрики ранжирования (например, NDCG, MRR) вы считаете наиболее подходящими для оценки качества поиска и почему?
В задачах указана генерация описания по фото.
Какие архитектуры нейросетей вы бы использовали для задачи Image Captioning?
Упоминается работа с разнообразием выдачи.
Как вы подходите к решению проблемы 'пузыря фильтров' и обеспечению diversity в поисковой выдаче?
Поиск требует быстрой обработки запросов.
Как оптимизировать инференс тяжелых ML-моделей для работы в реальном времени в поисковом движке?
Стек включает Python и Go.
Был ли у вас опыт интеграции ML-моделей, написанных на Python, в сервисы на языке Go?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
