Платформа ОФД - продуктовая IT- компания, крупнейший в России оператор фискальных данных. № 1 в рейтинге ОФД по данным CNews, резидент Сколково.
Мы анализируем рынок российского ритейла на данных из чеков в режиме реального времени. Ежедневно мы обрабатываем 60 млн кассовых чеков - каждый 3-й чек, пробиваемый в России. В нашей базе 4,7 млрд уникальных названий товаров.
Наша команда DS:
Строит NLP-ядро решения для автоматической категоризации товарных строк из чеков и извлечения атрибутов, конечной целью которого является восстановление товарной позиции до SKU (полное единое представление товара из чека со всеми присущими ему атрибутами). Ввиду уникальности экспертизы работы с языковыми моделями в обязанности команды также входит внедрение AI-агентов в процессы смежных подразделений компании
Ваша роль в команде и основные задачи:
Разработка ML-моделей/rule-based/иных решений под поставленные задачи, поиск/лидирование разметки данных для обучения, покрытие мониторинговыми метриками, близкими к продуктовым
Обучение, заказ разметки, деплой и покрытие прод метриками модели под следующие типы задач:
1. Классификация позиций в чеках по древовидному каталогу
2. NER и нормализация атрибутов чековых данных
3. AI-агенты на основе локальных LLM для внутреннего использования DS-команды и автоматизации задач смежных подразделений
4. Прочие инструменты для разметки данных (очистка, препроцессинг и пр. rule-based решения)
Ближайшие ключевые задачи:
- Быстрые адаптивные решения под отраслевые проекты (классификация и атрибуция)
- AI-агенты для разметки, ТП и чата
- Ресерч альтернатив ядерного решения
Требования к кандидату:
- Трансформеры в NLP: коммерческий опыт обучения и эксплуатации
- Векторные представления + Retrieval/Re-rank
- Информационное извлечение в ритейле (NER, нормализация, линковка)
- Продуктовое мышление и работа с метриками
- Структуризация задач на компоненты и эксперименты (из "сырой" в шаги разработки)
- Умение формировать вывод и защищать результат
Желателен опыт работы с LLM (инференс/агенты): fine-tuning, дообучение, дистилляция, квантование
Стек, который мы используем:
Данные:
1. Обширная ресерч-база, представленная миллиардами уникальных строк чековых наиманований, охватывающая весь возможный спектр отраслей
2. Челендж в виде обработки миллионов уникальных наименований ежедневно
3. Шумные нейминги, лонг-тейл категорий, постоянный поток новых формулировок/синонимов
Инфраструктура:
1. Разделение серверов на r&d и пром
2. On-prem GPU для обучения и инференса нейросетевых моделей различной архитектуры, включая LLM
3. Хранилище данных на Hadoop
Как проходит найм:
Мы предлагаем условия:
