Данные о вакансии
<p>Задачи:</p><ul><li><p>Переводить бизнес-цели в ML-задачи, формулировать гипотезы и определять метрики успеха (ML-метрики и бизнес-метрики);</p></li><li><p>Проводить EDA, статистический анализ и проверку гипотез;</p></li><li><p>Разрабатывать признаки (feature engineering) и обучать модели на данных из DWH;</p></li><li><p>Создавать и тестировать модели сегментации клиентов и рекомендательные алгоритмы (ALS/BPR, бустинг, похожесть, ранжирование); </p></li><li><p>Обеспечивать интерпретируемость решений (FE, SHAP/LIME и др.) и подготовку понятных выводов для бизнеса;</p></li><li><p>Совместно с DE и BI-командой интегрировать результаты (сегменты, скоринги) в витрины данных, Power BI или иные системы;</p></li><li><p>Оценивать эффекты кампаний (uplift, ROI), участвовать в дизайне и анализе A/B-тестов;</p></li><li><p>Документировать подходы (ноутбуки, Confluence/репозиторий) и обеспечивать воспроизводимость решений;</p></li><li><p>Участвовать в полном цикле ML-разработки: от постановки задачи и подготовки данных до запуска, мониторинга и итерационного улучшения моделей;</p></li><li><p>Инициировать улучшения — предлагать новые модели и подходы, которые могут дать дополнительный бизнес-эффект.<br><br><br><br></p></li></ul><p>Требования:</p><ul><li><p>Уверенный Python: pandas/polars, numpy, scikit-learn, xgboost/catboost и другие типовые библиотеки DS;</p></li><li><p>Классический ML: регрессия, бустинг, кластеризация, ранжирование (понимание, когда и что применять);</p></li><li><p>SQL на уровне уверенной работы с витринами и аналитическими запросами;</p></li><li><p>Понимание метрик качества моделей и бизнес-эффекта (uplift, ROI, конверсия, LTV и т.п.);</p></li><li><p>Опыт работы с транзакционными/клиентскими данными (ритейл, e-commerce, программы лояльности или схожие домены);</p></li><li><p>Умение донести результаты и предложить бизнес-интерпретацию (графики, дашборды, презентации);</p></li><li><p>Хорошая база по математической статистике: распределения, доверительные интервалы, критерии значимости, регрессия, бутстрэп и т.д.;</p></li><li><p>Опыт работы с Git (ветвление, pull request, code review) и умение аккуратно вести репозиторий проектов;</p></li><li><p>Уверенная работа в среде Linux (терминал, работа с файлами и логами, базовые команды);</p></li><li><p>Английский язык на уровне чтения технической документации и статей.</p></li></ul><p></p><p></p><p>Будет плюсом:</p><p></p><ul><li><p>Опыт деплоя моделей: batch-скоринг, сохранение результатов в витрины, трекинг экспериментов (MLflow или аналоги);</p></li><li><p>Навык настройки простых оркестраций (Airflow, Prefect или аналоги);</p></li><li><p>Опыт проведения A/B-тестов, применение техник CUPED, стратификация, анализ неоднородных эффектов;</p></li><li><p>Знание PyTorch/TensorFlow, опыт в NLP/LLM — как направление развития (в компании есть текущие проекты);</p></li><li><p>Опыт работы с ClickHouse/Postgres;</p></li><li><p>Опыт построения рекомендательных систем, скорингов лояльности, churn-моделей, next-best-offer / next-best-action;</p></li><li><p>Понимание принципов MLOps (мониторинг деградации моделей, переобучение, управление версиями моделей);</p></li><li><p>Опыт работы в связке с BI (Power BI, Tableau и др.): формирование витрин, метрик, дашбордов для пользователей.</p></li></ul><p> </p>
