Описание
Описания нет
Задачи
•Вести ML-проекты от формулирования гипотез и постановки задач до получения измеримого бизнес-эффекта.
•Отвечать за весь цикл разработки, обеспечивая быстрый вывод решений в продакшен и поддерживая качество моделей в production.
•Тесно работать с Data Engineers над построением надежных production-пайплайнов данных, а с Data Analysts — погружаться в бизнес-контекст, определять метрики и разрабатывать и оценивать A/B-тесты.
•Переводить бизнес-цели в математические модели:
•предсказание метрик — временные ряды, классический ML;
•альтернативный поиск — рекомендательные системы и ранжирование для поиска альтернатив недоступным тарифам;
•многокритериальная оптимизация — балансировка максимизации маржинальности и минимизации количества инцидентов.
•Разрабатывать, обучать и валидировать ML-модели для проверки продуктовых гипотез и проактивного улучшения пользовательского опыта B2B-клиентов.
Требования
•От 4 лет практического опыта в роли Data Scientist или ML Engineer.
•Умение глубоко погружаться в данные, находить первопричины бизнес-проблем и переводить бизнес-цели в понятные ML-задачи, а не просто оптимизировать метрики моделей в отрыве от бизнес-контекста.
•Уверенное знание классического Machine Learning: Gradient Boosting (CatBoost/LightGBM), классификация, регрессия.
•Подтвержденный опыт решения задач entity matching, глубокое понимание подходов к построению рекомендательных систем и ранжированию — KNN, FAISS, Learning-to-Rank, pointwise / pairwise / listwise подходы.
•Уверенный опыт работы с большими объемами данных (обрабатывают терабайты данных ежедневно).
•Отличное знание SQL и практический опыт построения пайплайнов с использованием PySpark.
•Умение писать production-quality код на Python, покрывать код тестами и самостоятельно доводить модели до продакшена.
•Опыт работы с Airflow и Python-микросервисами будет необходим.
•Разговорный английский на уровне B1 (Intermediate) или выше.
Будет плюсом:
•Опыт работы в TravelTech, E-commerce или с B2B API; понимание специфики отелей, тарифов и дистрибьюторов.
•Базовые знания NLP, понимание принципов работы текстовых эмбеддингов и способов их обучения. Особенно полезно для задач сопоставления текстовых описаний тарифов, типов номеров и условий отмены бронирования.
•Опыт работы с динамическим ценообразованием, многокритериальной оптимизацией или системами Next Best Action (NBA).
•Хорошая база по теории вероятностей и математической статистике для корректного проектирования экспериментов и оценки моделей.
Условия
Условий в вакансии нет
