data scientist для автомодерации

Авито; United States; Remote; USD 150,000 - 210,000; Full time

Benefits offered by this job

ДМС

Страхование жизни

Онкострахование

Психологическая поддержка

Финансовые консультации

Юридические консультации

ЗОЖ‑консультации

Корпоративный спорт

Скидки от партнёров Авито

Компенсация питания

Job summary

Авито ищет инженера‑ML для разработки и поддержки систем модерации на основе NLP и LLM. Вы будете переводить регламенты модерации в инструкции для моделей, строить воспроизводимые эксперименты и улучшать качество решений.

Требуется опыт работы с LLM, LoRA/PEFT и PyTorch, а также умение писать SQL и анализировать данные. Будут задачи по интеграции решений в продакшен‑пайплайны, настройке мониторинга и участию в A/B‑тестах.

Qualifications

• Полный цикл ML‑разработки: данные, модель, продакшен и мониторинг.
• Опыт работы с LLM в прикладных задачах и проверкой качества на данных.
• Опыт дообучения LLM и VLM, работа с LoRA и PEFT, инференс‑оптимизация.
• Умение писать SQL‑запросы и анализировать данные, чтение англоязычной литературы.
• Понимание MLOps, мониторинга деградаций и риска ошибок.

Responsibilities

• Развивать LLM‑проверки: инструкции для моделей и сравнение подходов.
• Проводить воспроизводимые эксперименты, формировать пороги решений.
• Оптимизировать промпты, дообучать модели и адаптеры LoRA.
• Формировать датасеты и контролировать качество данных.
• Интегрировать решения в пайплайны автомодерации и продакшен.

Skills

NLP‑опыт

LLM‑развертывание

Python

SQL‑запросы

AB‑тесты

Мониторинг и MLOps

Tools

PyTorch

vLLM

LoRA/PEFT

Grafana

Kubeflow/K8s

MLflow

Feature store

Job description

Описание:

Команда «Автомодерация» развивает инструменты доверия и безопасности на платформе Авито. Она разрабатывает и поддерживает ML-систему проверки объявлений, которая анализирует текст, фотографии и параметры, автоматизирует проверки и снижает нагрузку на ручную модерацию. Основной проект — развитие LLM-модерации: классические модели находят потенциальные нарушения, а LLM проверяют их по правилам Авито.

Задачи:

Развивать LLM-проверки: переводить регламенты модерации в инструкции для моделей, разбирать ошибки и улучшать качество решений. Строить воспроизводимые эксперименты и сравнивать модели, промпты, состав входных данных и пороги принятия решений. Применять и развивать автоматическую оптимизацию промптов, дообучать модели и LoRA-адаптеры, когда это оправдано качеством и стоимостью. Готовить датасеты: организовывать сбор и разметку, проверять качество данных и репрезентативность выборок. Встраивать решения в пайплайны автомодерации и обеспечивать стабильную работу в продакшене с учётом качества, задержек, вычислительной стоимости и рисков ошибок. Настраивать мониторинг качества и деградаций, алерты и регулярные итерации улучшений. Оценивать влияние решений на продуктовые и бизнес‑метрики.

Требования:

Уметь проводить полный цикл ML‑разработки: от работы с данными и моделью до продакшена, мониторинга и проверки влияния с помощью A/B‑тестов или аналогичных подходов. Иметь большой опыт в NLP или значимый опыт вывода и сопровождения моделей в продакшене. Иметь опыт работы с LLM в прикладных задачах и проверки качества решений на данных. Иметь опыт дообучения LLM и VLM, работы с LoRA, PEFT и оптимизацией инференса, например с vLLM. Уверенно владеть Python и инструментами для анализа данных: NumPy, pandas, scikit‑learn, CatBoost или аналогами. Уметь работать с фреймворками глубокого обучения, например PyTorch. Понимать, как выбирать методы под задачу и обосновывать компромиссы между качеством, стоимостью, скоростью и рисками. Уметь оценивать качество моделей при запуске и отслеживать его изменения во времени, включая дрейф, деградации и проблемы данных. Уметь писать SQL‑запросы для анализа данных и диагностики качества. Читать англоязычную техническую литературу. Будет плюсом: опыт в модерации, Trust & Safety или антифроде, разработка инструментов для AI‑агентов или MCP‑серверов, автоматизация ML‑процессов с их помощью, знакомство с практиками MLOps и Kubeflow, K8s, feature store, MLflow, настройка мониторинга и алертов в Grafana, участие в A/B‑тестах и канареечных релизах, применение LLM в прикладных задачах, опыт работы с CV или мультимодальными задачами, например VLM.

Условия:

Масштабный инженерный процесс с возможностью участвовать во всех этапах работы над ML‑решением. Интересные развивающие задачи и влияние на продуктовые и бизнес‑метрики. Культура взаимопомощи и обмена опытом. Прозрачный карьерный трек и инструменты для роста: семинары, менторство, митапы. Расширенная забота о здоровье: ДМС, страхование жизни и онкострахование. Сервис психологической поддержки, финансовые, юридические и ЗОЖ‑консультации для сотрудника и его близких. Корпоративный спорт: групповые тренировки и велбиинг‑приложение. Спецпредложения от партнёров и скидки на сервисы Авито: бронирование жилья, услуги продвижения, ипотечное страхование. Компенсация питания.