Senior ML / Data Scientist

Senior ML / Data Scientist

Python Мы усиливаем команду разработки моделей и ищем сильного Senior ML / Data Scientist с опытом в ритейле и программах лояльности, и применения новых ML моделей и разработки агентов 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.
• • Опыт применения моделей трансформеров будет существенным преимушеством
• • SQL на уровне уверенной работы с большими таблицами для извлечения данных (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.
• 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

​