Senior ML Engineer (Demand Forecasting)

TL;DR

Senior ML Engineer (Python/PyTorch): Разработка системы автозаказа для крупной ритейл-сети с акцентом на прогнозирование сезонного и нерегулярного спроса и оптимизацию запасов. Фокус на создании production-пайплайнов, внедрении rolling-origin backtesting и работе с миллионами комбинаций SKU и магазинов.

Локация: Удаленно или в офисе в Алматы или Астане (Казахстан)

Компания

Small — одна из крупнейших grocery retail сетей в Казахстане, управляющая более чем 160 магазинами.

Что делать

• Формировать roadmap ML-экспериментов и самостоятельно выбирать наиболее перспективные направления.
• Исследовать подходы к прогнозированию сезонного, нерегулярного и прерывистого спроса с учетом промо и календарных эффектов.
• Развивать методологию rolling-origin backtesting и систему сравнения моделей без временных утечек.
• Оценивать решения по бизнес-метрикам: out-of-stock, fill rate, оборачиваемость и избыточный запас.
• Улучшать алгоритмы преобразования прогноза в заказ с учетом графиков поставок и ограничений поставщиков.
• Развивать production ML-пайплайн: обеспечение качества данных, мониторинг моделей и диагностику деградаций.

Требования

• Сильный практический опыт в машинном обучении и эксплуатации моделей в production.
• Опыт решения задач прогнозирования временных рядов (сезонность, cold start, sparse/intermittent demand).
• Уверенное владение Python и SQL.
• Умение самостоятельно формулировать план работы, принимать технические решения и доводить их до production.
• Навыки анализа данных, поиска смещений и утечек, проверки качества источников.

Хорошо, если есть

• Опыт в grocery retail, e-commerce, supply chain или inventory replenishment.
• Знание основ inventory optimization: safety stock, service level, lead time.
• Опыт построения глобальных моделей на большом количестве связанных временных рядов.
• Опыт работы с CatBoost, PyTorch, ClickHouse, Kafka, Airflow, SLURM или Kubernetes.

Культура и преимущества

• Полный end-to-end ownership: влияние на постановку задач, данные, модели и бизнес-результаты.
• Мощная инфраструктура: доступ к вычислительному кластеру из 8 нод (H200 GPU, 128 CPU, 2 TB RAM на ноду).
• Гибкий формат работы: возможность удаленной работы или посещения офиса.