Senior Data Scientist (Классический ML)

Задача ML-модели продукта Балансировки спроса

• Регулирование объема поступаемых заказов для поддержания доставки без критических опозданий и без снижения GMV.

Чем нужно будет заниматься

• Создавать модели для балансировки спроса, помогать выводить их на прод.
• Участвовать в дизайне A/B-тестов.
• Предлагать пути развития моделей балансировки спроса.

Что мы ждём от тебя

• Опыт работы в ML от 3 лет.
• Математический / computer science / естественно-научный бэкграунд в высшем образовании.
• Разработка полного цикла моделей машинного обучения с пониманием бизнес-ценности.
• Понимание и умение объяснить, как работают алгоритмы машинного обучения.
• Python, основные библиотеки работы с данными и машинного обучения — Numpy, Scipy, Pandas, Sklearn, Statsmodels.
• Опыт работы с моделями градиентного бустинга — XGBoost, LGBM, CatBoost, etc.
• Опыт работы с Reinforcement Learning (Q-learning, Policy Optimization, DQN).
• Опыт работы с SQL-базами — Postgres, MSSQL, MySQL, etc.
• Опыт работы с BigData (Spark, Kafka).
• Git, Docker.

Ещё желательно

• FastAPI.
• Базовые знания нейронных сетей и/или желание развиваться в этом направлении.
• Опыт работы с библиотеками и техниками оптимизации ML-моделей (Onnx, TensorRT и прочее).
• Опыт работы с динамическим ценообразованием.

Что мы предлагаем

Мы аккредитованная IT-компания с сопутствующими преимуществами. ДМС и страховка, разнообразное обучение, оплата участия в конференциях, скидки от партнеров и все классические плюшки. Предлагаем удаленку в РФ, гибрид или офис — выбор за тобой.

Делаем разные продукты

• Помогаем создавать положительный клиентский опыт. Те самые круассаны из Самоката, наушники с доставкой по клику (ведь они нужны прямо здесь и сейчас) и другие классные решения — всё это мы.

Умеем меняться

• Пересобирать оргструктуру, менять подходы к разработке, обновлять продуктовый и технологический фокус — быть стабильными в росте, не разваливаться, избегать неповоротливости.

Знаем, что ошибки нужны

• Считаем, что не знать, как правильно и пробовать — это ок. Умеем ошибаться, учиться на ошибках, развиваться.

Мы большие и разные

• В технологиях, подходах, людях. Найдёшь у нас коллег, близких по духу и интересам.