← Все вакансии/Middle/Яндекс
MiddleHybridМосква

Data Scientist

Я
Яндекс
Уровень
Middle
Формат
Hybrid
О роли

Описание вакансии

О компании

Мы развиваем платформу роста и ценообразования Яндекс Еды, управляем стоимостью доставки для пользователей и помогаем партнёрам с ценообразованием товаров.

Наша цель — увеличивать GMV и маржинальность, сохраняя объём заказов, ретеншен и качество пользовательского опыта. Решения команды напрямую влияют на экономику сервиса и результаты партнёров.

Обязанности
  • Развитие алгоритмов ценообразования: строить модели на данных о заказах, ценах и поведении пользователей, оценивать эластичность спроса и искать оптимальный баланс между GMV, маржинальностью, количеством заказов и ретеншеном.
  • Совместная оптимизация нескольких механик: развивать RL-агента, который выбирает комбинацию воздействий с учётом состояния рынка и бизнес-ограничений, работать с offline RL, multi-objective и байесовской оптимизацией, симуляциями среды и историческими данными.
  • Анализ экспериментов и поиск точек роста: исследовать данные, формулировать продуктовые гипотезы и доводить решения от прототипа до запуска. Проектировать и анализировать A/B-тесты, оценивать инкрементальный эффект и искать парето-улучшения.
  • Развитие LLM-инструментов для работы с данными: развивать внутренние инструменты на базе LLM, включая text-to-SQL-ассистента: улучшать качество и надёжность решений и применять их для реальных аналитических и продуктовых задач команды.
Требования
  • Занимались ML-разработкой, прикладными исследованиями или продуктовой аналитикой
  • Уверенно работаете с Python и SQL
  • Знаете машинное обучение и математическую статистику
  • Умеете проектировать эксперименты и связывать результаты моделей с бизнес-метриками
  • Самостоятельно ведёте задачи от постановки до внедрения
  • Эффективно используете агентские системы для написания, отладки и ревью кода, а также решения исследовательских и продуктовых задач
  • Умеете обсуждать идеи и аргументировать технические решения

Будет плюсом, если вы:

  • Занимались динамическим ценообразованием, offline RL, multi-objective оптимизацией, causal inference, PyTorch, распределёнными вычислениями или разработкой LLM-инструментов
Условия
  • Гибридный формат работы
  • Офис в Москве
Стек и навыки

С чем работаем