Data Scientist (NLP)

Вместе с масштабным развитием IT-направления мы формируем культуру Trust and Safety, гарантируя непрерывную безопасность и доверие между компанией, её сотрудниками, пользователями и клиентами.

Команда «Модерация обратной связи» — важная часть этого направления. Мы делаем модерацию пользовательского контента Wildberries: отзывы, вопросы/ответы, обращения, фото, видео и другие сущности. Это живой ежедневный миллионный продовый поток: модели уменьшают спам, флуд, токсичность, обходы правил и ручную нагрузку модерации.

Ищем Senior NLP, которому интересно владеть детекторами нарушений end-to-end: найти сигнал в данных, договориться о разметке или разметить через ЛЛМ, обучить модель, выбрать пороги, выкатить в прод и увидеть эффект.

Отдельный плюс роли - современный слой вокруг моделей: ИИ-агент мониторинга, который объясняет сработки, пишет короткие отчеты и помогает находить tricky cases для дообучения.

Наши задачи:

• Развитие текущих NLP-детекторов: спам/флуд, токсичность/оскорбления, PII/контакты, запрещенные предложения, обходы policy;
• Запуск будущих детекторов: скрытая реклама, внешние ссылки/контакты, промокоды, манипуляции отзывами, sensitive/18+ и запрещенные темы;
• Работа с OCR-текстом на фото/видео: чистка шумов, нормализация, связь текста с товаром, отзывом и политикой модерации;
• Создание сильных датасетов: ТЗ на разметку, gold set, hard negatives, tricky cases, temporal holdout, production-weighted срезы;
• Построение честного eval и порогов: precision/recall/FPR/FNR/F1, FP/FN trade-off, cost-sensitive thresholds;
• Доведение решения до прода: inference/batch pipelines, мониторинг качества, алерты, retrain, документация;
• Работа с ИИ-агентом мониторинга сработок - daily digest, всплески аномалий, причины деградаций, кандидаты в hard negatives/tricky cases и задачи на разметку.

Необходимые опыт и навыки:

• Senior-уровень в NLP/ML: text classification, embeddings, transformers/sentence-transformers, reranking, calibration, error analysis;
• Data-centric подход: SQL, EDA, leakage checks, active learning, hard negative mining, контроль качества разметки;
• Production mindset: API/batch/online inference, мониторинг, версионирование, rollback, качество кода;
• Инженерная база: Python, PyTorch/Transformers, Git, Docker, Linux, FastAPI; плюс Airflow/Dagster и S3;
• Плюсом: опыт и знания в GenAI, опыт работыт c Triton Inference Server.