Senior ML / Data Scientist

Python
Мы усиливаем команду разработки моделей и ищем сильного Senior ML / Data Scientist с опытом в ритейле и программах лояльности.
SmartPricing — платформа data-driven динамического ценообразования для ритейла (FMCG, DIY, др.), работающая по модели SaaS. Решение помогает розничным сетям управлять регулярными ценами, промо, KVI, СТМ и ценовой конкуренцией на основе эластичности спроса, больших данных и методов машинного обучения. Платформа уже обрабатывает десятки миллионов транзакций в месяц и масштабируется на сотни магазинов и форматов.
Обязанности:

Разработка и развитие моделей:

- Разработка и улучшение моделей: прогноза спроса (по SKU/магазин/период); моделей ценовой эластичности и перекрёстной эластичности; моделей для промо-эффектов и пост-промо отката; моделей реакции клиентов на изменения цен и промо на основе данных программ лояльности.

- Построение и развитие ML-ядра платформы SmartPricing (регулярные цены, промо, KVI, СТМ, e-commerce-модули).

- Алгоритмы ценообразования:

- Участие в разработке оптимизационных алгоритмов расчёта цен: максимизация валового дохода / выручки / трафика при ограничениях по марже и шагу изменения цены; оптимизация глубины и длительности промо.

- Формализация бизнес-правил ритейлера (форматы, регионы, кластеры, роли категорий) в виде математических ограничений и целевых функций.

- Фичеинжиниринг и работа с данными:

- Построение устойчивых признаков на основе: транзакций (чеки, позиции чека); товарных справочников и иерархий; данных о конкурентах и ценовом окружении; данных программ лояльности (RFM-признаки, частота, корзины, сегменты клиентов).

- Борьба с утечкой таргета, сезонностью, праздниками, акциями, частыми ассортиментными изменениями.

- Производительность и MLOps-аспект: Оптимизация и распараллеливание обучения моделей (CatBoost / классические регрессии) на больших объёмах данных: работа с многопроцессностью / распределёнными фреймворками; настройка параметров, профилирование, уменьшение времени обучения и скоринга.

- Участие в промышленном внедрении моделей: подготовка артефактов для продакшн-среды (Docker, REST/Batch-инференс, мониторинг качества).

- Взаимодействие с бизнесом:

- Совместная проработка постановок задач с консультантами по ценообразованию и клиентскими командами.

- Подготовка интерпретируемых отчётов: вклад факторов в изменение цены/продаж, объяснение моделей для категорийных менеджеров.

- Участие в пилотах у клиентов и A/B-тестах, аналитика результатов.

Требования:

Опыт и доменная экспертиза: 3–5+ лет практического опыта в ML / Data Science.

- Опыт в розничной торговле (food/non-food) и/или в проектах с использованием данных программ лояльности (клиентские транзакции, идентификаторы клиентов, карты лояльности) будет значительным преимуществом

- Опыт построения моделей спроса, ценообразования, промо-аналитики, рекомендаций или CLV/оттока — большой плюс.

- Технические навыки: Уверенный Python для продакшн-ML: pandas, NumPy, SciPy, scikit-learn.

- Глубокая экспертиза в CatBoost : работа с категориальными признаками; настройка регуляризации, использование GPU/CPU, работа с большим числом объектов; интерпретация моделей (feature importance, SHAP и т.п.).

- Классические регрессионные модели: линейная / регуляризованная регрессия; GLM, иерархические/панельные модели — как плюс.

- Сильный фичеинжиниринг: агрегаты по временным окнам; лаги и rolling-признаки; сезонность и календарные эффекты; признаки уровня магазина/формата/категории и т.д.

- Опыт оптимизации и распараллеливания: умение ускорять обучение и скоринг за счёт оптимизации кода и структуры данных; практический опыт с одним или несколькими инструментами: multiprocessing, Dask, Spark, Ray или аналогами.

- SQL на уровне уверенной работы с большими таблицами (joins, window-функции, оптимизация запросов).

- Математика и подход: статистики (гипотезы, доверительные интервалы, A/B-тесты); оптимизационных постановок (целевые функции, ограничения, регуляризация); снов эконометрики и мышления “price / demand / margin”.

- Умение объяснить сложные модели понятным языком бизнесу.

- Soft skills: Способность работать в условиях неопределённой постановки и помогать её структурировать. Самостоятельность в выборе подходов и ответственности за результат.

- Готовность обсуждать решения с консультантами и разработчиками, аргументировать технический выбор.

Будет плюсом

Опыт работы в продуктовых/консалтинговых компаниях, связанных с ритейлом и ценообразованием.

Опыт построения: uplift-моделей; рекомендательных систем; моделей для программ лояльности (CLV, churn, next-best-offer).

Знание практик MLOps (Airflow / Prefect, MLflow, мониторинг дрейфа).

Опыт участия в проектах по динамическому ценообразованию или revenue management.

Условия:

Работа с «боевым» продуктом, который уже даёт измеримый прирост выручки и валового дохода ритейлерам и используется крупными ритейлера с милиардными транзакциями

- Возможность влиять на архитектуру и модельный ландшафт SmartPricing, а не только “поддерживать существующее”.

- Плотное общение с экспертами по ритейлу, ценообразованию и международной командой консультантов.

- Гибкий формат работы (обсуждается: удалённо / гибрид).

- Участие в проектах с крупными розничными сетями и сложными задачами, где ML-решения реально внедряются, а не остаются в виде прототипа.

- Испытательный срок 2 месяца

- Дополнительный годовой бонус

Оформление по ТК и ГК Республики Беларусь, в офисе Минск, проспект Дзержинского, 3Б

Откликнуться

EditPublish

Senior Data Scientist (ML)