Погружаться в бизнес-контекст платформы ограничений, изучать данные и инфраструктуру высоконагруженных сервисов, обрабатывающих миллионы транзакций в день.
Анализировать бизнес-процессы и выявлять уязвимые места и точки роста.
Пробовать подходы машинного обучения: классификацию, кластеризацию, uplift-модели, ранжирующие модели и нейросетевые решения.
Сравнивать экспериментальные модели с текущим решением и оценивать их преимущества и недостатки.
Валидировать модели с помощью офлайн-метрик, включая AUC, PR-кривые, NDCG и uplift-метрики, проверять статистическую значимость прироста точности.
Готовить аналитическую статью или отчёт со сравнением методов и обоснованием выбора решения.
Запускать лучшее протестированное решение в продакшн и интегрировать его в систему управления ограничениями.
Требования
От 3 лет опыта в Data Science и опыт вывода моделей в продакшн.
Уверенный Python, продвинутый SQL; PySpark будет плюсом.
Большой опыт решения задач классического машинного обучения: бустинги, регрессия, ранжирование и классификация.
Статистика, A/B-тесты, основы оптимизации и понимание используемых методов.
Умение презентовать сложные решения понятным бизнесу языком, проактивность в поиске точек роста и генерации идей.
Техническое образование в вузе из топ-10 будет плюсом.
Условия
Размер зарплаты обсуждается по итогам собеседования; квартальная премия по результатам KPI.
Гибкий график.
Полностью удалённая работа или гибрид на выбор; ИТ-хабы в Москве, Санкт-Петербурге и Екатеринбурге, сезонный коворкинг в Сочи.
ДМС с первых дней, включая стоматологию, обслуживание в клиниках, страхование и компенсацию 10 дней больничного.
Карьерный рост, тренинги, вебинары, митапы и демо-дни; оплата профильных конференций и курсов.
Доступ к корпоративным библиотекам Alpina Digital, МИФ и бизнес-изданиям.