Описание
Команда прогнозирует спрос на десятки миллионов товаров, продаваемых на Ozon, чтобы селлеры могли планировать ассортимент и поставки по складам по всей России. Продукт обслуживает нескольких бизнес-заказчиков и должен оставаться масштабируемым; основная часть работы связана с production, меньшая — с исследованиями. Команда использует классическое машинное обучение на табличных данных и нейронные сети на архитектуре Transformer, обученные на временных рядах.
Задачи
•Прогнозировать спрос на товары без истории продаж, разрабатывая модели холодного старта на основе атрибутов товара, категории, характеристик продавца и информации об аналогах
•Разрабатывать модели классификации спроса для регулярно продающихся товаров, предсказывая наличие продаж в горизонте прогнозирования
•Строить и поддерживать production-пайплайны для расчёта признаков, обучения и инференса моделей на больших объёмах данных
•Оценивать качество моделей и их влияние на бизнес-метрики совместно с заказчиками
Требования
•Уверенно знать классические алгоритмы машинного обучения: линейные модели, деревья решений и градиентный бустинг; иметь практический опыт их применения в production
•Уверенно владеть PySpark, обрабатывать большие объёмы данных, оптимизировать Spark-задачи и понимать партиционирование, shuffle и особенности распределённых вычислений
•Уверенно владеть оконными функциями в Spark SQL и SQL, включая расчёт лагов, скользящих агрегатов и ранжирований для временных рядов
•Иметь опыт разработки и поддержки пайплайнов в Airflow
•Уверенно владеть Python
Условия
Условий в вакансии нет
