Senior Data Scientist II - Personalization

Careem создает "Приложение Всего" для Большого Ближнего Востока — облегчая передвижение, заказ еды и продуктов, управление платежами и многое другое. Наша цель проста: упрощать и улучшать жизнь людей, а также строить потрясающую организацию, которая вдохновляет. С 2012 года Careem предоставил возможность заработка более чем 2,5 миллионам "Капитанов", упростил жизнь более чем 70 миллионам клиентов и создал платформу, на которой процветают лучшие таланты и предприниматели региона. Мы работаем в более чем 70 городах в 10 странах, от Марокко до Пакистана. Сейчас мы вступаем в следующую главу — главу, основанную на ИИ. Мы ищем таланты в области ИИ: любознательных специалистов, умеющих решать проблемы, которые знают, как применять ИИ для создания инструментов, автоматизации рабочих процессов и достижения реальных результатов. Будь то оптимизация операций, улучшение взаимодействия с клиентами или переосмысление внутренних систем — нам нужны люди, которые могут сделать Careem умнее и быстрее.

О команде

Команда персонализации входит в состав организации "Наука о данных" Careem и отвечает за ИИ-системы, которые определяют, что видит каждый пользователь, в каком порядке и почему в категориях "Еда", "Quik" и "Магазины". Наша миссия — построить гиперперсонализированный слой для приложения Careem: рекомендательные системы и системы ранжирования в реальном времени, работающие по разным вертикалям, которые учатся на поведении пользователя в одной вертикали и применяют это понимание везде, где он взаимодействует с Careem. Как один из ведущих технических специалистов этой команды, вы поможете определить, как Careem подходит к персонализации в региональном масштабе, работая вместе с лучшими специалистами по науке о данных в регионе и продвигая передовые технологии, используя графовые методы поиска, трансформерные архитектуры и обучение в реальном времени.

Что вы будете делать

• Отвечать за сценарии гиперперсонализации в категориях "Еда", "Quik" и "Магазины", проектируя системы, которые в реальном времени распознают намерения и предпочтения пользователя и передают этот сигнал между вертикалями, так чтобы поведение пользователя в одном продукте делало каждый другой продукт умнее.
• Быть техническим лидером в исследовании Careem методов графового поиска для рекомендаций, включая оценку и создание конвейеров графов знаний, которые обеспечивают генерацию и ранжирование кандидатов в масштабе.
• Проектировать и оценивать трансформерные архитектуры (XFY) для последовательных и контекстуальных рекомендаций, выводя стек ранжирования и поиска Careem за пределы классического машинного обучения к глубоким моделям на основе внимания.
• Стремиться к системам онлайн/потокового обучения, которые адаптируются к поведению пользователя в рамках сессии, а не только к моделям, обученным в пакетном режиме и обновляемым ежедневно.
• Определять, где сигналы персонализации, модели или инфраструктура могут быть общими для "Еда", "Quik" и "Магазины", а не перестраиваться для каждой вертикали, сокращая дублирование работы и увеличивая ценность каждого эксперимента.
• Участвовать в трансформации ИИ от 0 до 1 для приложения Careem с точки зрения персонализации, формируя, как генеративный ИИ и системы на основе LLM дополняют поиск и ранжирование.
• Создать долгосрочное видение того, как Careem переосмысливает стратегии привлечения и удержания клиентов, основываясь на принятии решений на основе данных.
• Проводить исследовательский анализ для понимания поведения пользователей в различных вертикалях, выявляя новые рычаги для улучшения показателей и создавая поведенческие модели, которые информируют об улучшениях продукта.
• Формировать и влиять на модели машинного обучения и инструменты, которые оптимизируют взаимодействие с продуктом, выявляя новые области возможностей и новые направления развития продукта.
• Обеспечивать лидерство в продукте посредством рекомендаций, основанных на данных, сообщая о состоянии бизнеса, определяя первопричины изменений показателей и используя результаты экспериментов для влияния на решения по продукту и бизнесу.
• Реализовывать масштабируемые алгоритмы машинного обучения, которые работают в производственной среде на больших объемах данных.
• Проводить исследовательский анализ данных для лучшего понимания явлений, связанных с пользователями и бизнесом, а также для обнаружения неиспользуемых областей роста и оптимизации.
• Отвечать на сложные аналитические вопросы, используя большие наборы данных, чтобы помочь в формировании продуктов и услуг Careem.
• Определять и отслеживать ключевые показатели для конкретных инициатив по персонализации.
• Проектировать и проводить рандомизированные контролируемые эксперименты (A/B-тесты), анализировать результаты и сообщать о выводах межфункциональным командам.
• Постоянно ставить под сомнение статус-кво, исследуя новые технологии обработки данных, архитектуры поиска и парадигмы обучения, и обеспечивая соответствие команды ведущим отраслевым стандартам.
• Создавать и развертывать системы генерации с поисковым дополнением (RAG) и другие приложения больших языковых моделей в стеке персонализации.

Что вам понадобится

• 7-10 лет опыта в области интеллектуального анализа данных, предиктивного моделирования, анализа временных рядов, машинного обучения и методологий больших данных, включая преобразование и очистку структурированных и неструктурированных данных.
• Ученая степень в количественной дисциплине, такой как физика, статистика, математика, инженерия или информатика.
• Значительный опыт работы с методами глубокого обучения, включая механизмы внимания, рекомендательные модели и трансформерные архитектуры (XFY или аналогичные), примененные к задачам ранжирования или рекомендаций.
• Опыт работы или оценки графов знаний, графовых нейронных сетей или графовых систем поиска является большим плюсом. Careem активно развивает графовые методы поиска для рекомендаций.
• 2-4 года отраслевого опыта в области персонализации, рекомендаций или поиска ОБЯЗАТЕЛЬНЫ. Желательно в компании, ориентированной на продукт, работающей в большом масштабе.
• Отличные навыки решения проблем и программирования.
• Глубокие знания методологии A/B-тестирования, классического машинного обучения и глубокого обучения.
• Твердое понимание рекомендательных систем, систем ранжирования и систем поиска "под ключ".
• Знакомство или интерес к системам онлайн/потокового обучения, моделям, которые адаптируются в рамках сессии, а не полагаются исключительно на пакетное переобучение, является большим плюсом.
• Владение и подтвержденный опыт работы с Python, SQL, Spark и Hive.
• Подтвержденный опыт работы с базами данных (например, Hadoop, BigQuery, Amazon EMR, Hive, Oracle, SAP, DB2, Teradata, MS SQL Server, MySQL).
• Подтвержденный опыт работы с инструментами бизнес-аналитики и визуализации (Tableau, MicroStrategy, ChartIO, Qlik); навыки обработки геопространственных данных являются плюсом.

Что мы предложим вам

Мы предлагаем коллегам возможность оказывать влияние в регионе, одновременно учась и развиваясь. Будучи полноправным сотрудником Careem, вы сможете:

• Работать и учиться у выдающихся специалистов, присоединившись к сообществу вдохновляющих коллег.
• Применить свою страсть в целевой организации, посвященной созданию позитивных изменений в регионе с большим неиспользованным потенциалом.
• Исследовать новые возможности для обучения и роста каждый день.
• Работать 4 дня в неделю в офисе и 1 день из дома, а также удаленно из любой страны мира в течение 30 дней в году с неограниченным количеством дней отпуска в год.
• Доступ к медицинским льготам и компенсации расходов на фитнес для занятий спортом, включая спортзал, фитнес-клуб и тренировочные классы.