Яндекс

ML-разработчик в команду эффективности логистики Яндекс Еды

Коротко

Яндекс Еда ищет ML-разработчика в команду логистики, которая прогнозирует ETA, оптимизирует доставку и разрабатывает модели привлечения и удержания курьеров. Задачи охватывают полный цикл ML-проекта — от сбора и анализа данных до обучения, внедрения и мониторинга моделей в продакшне. Требуются знание Python, C++, SQL, уверенное владение ML и статистикой, умение формулировать задачи и работать в связке с аналитиками, продактами и инженерами.

О команде
Яндекс Еда — популярный сервис доставки блюд из ресторанов и товаров из магазинов. Наша команда машинного обучения в направлении логистики делает сервис более интеллектуальным. Мы используем ML-модели, чтобы прогнозировать поведение системы, оптимизировать доставку и помогать принимать решения на всех уровнях: от алгоритмов назначения курьеров до стратегий их привлечения и мотивации.
В нашей команде вы сможете влиять на ключевые процессы логистики, такие как расчёт ETA (ожидаемого времени прибытия), доставка, наём и мотивация курьеров. Мы предлагаем полный цикл ML-разработки: от идеи до внедрения и получения результатов. Работая с нами, вы будете иметь дело с огромным масштабом данных, реальными задачами и быстрым фидбэком от системы.
Какие задачи вас ждут
Прогнозирование времени приготовления и доставки
Вам предстоит разрабатывать модели для точного прогнозирования времени приготовления заказа и общего времени доставки (от оформления заказа до его вручения клиенту). Такие модели помогают эффективнее распределять курьеров, ускорять доставку и улучшать клиентский опыт.
Модели привлечения и удержания курьеров
Вам нужно будет разрабатывать модели для повышения эффективности курьерской сети: прогнозирования вероятности ухода курьеров и создания персонализированных мотивационных стратегий для более точечного найма и результативного удержания.
Оценка объёма заказов
Вы будете моделировать объём корзины, чтобы определять, уместится ли заказ в стандартную курьерскую сумку, — это важно для выбора подходящего курьера. Также нужно будет учитывать специфику ресторана, тип товаров, упаковку и другие факторы.
Развитие ML-подходов в логистике
Вам предстоит работать на стыке аналитики и машинного обучения, инициировать и развивать новые ML-проекты вместе с аналитиками и менеджерами. Нужно будет погружаться в предметную область, формулировать задачи, предлагать новые подходы и улучшать существующие модели.
Полный цикл ML-проекта
Вы будете разрабатывать модель машинного обучения, начиная со сбора и анализа данных и заканчивая построением, обучением, внедрением и мониторингом в продакшне.
Больше об ML в Яндексе — в канале Yandex for ML.
Мы ждём, что вы
•Владеете Python, C++, знаете SQL
•Уверенно знаете ML и статистику
•Умеете формулировать задачи, разбираться в данных, строить и интерпретировать модели
•Способны мыслить в контексте бизнес-процессов
•Готовы тесно работать с аналитиками, продактами и инженерами

Хватит откликаться.
Получите рекомендацию.

$10 стартовых кредитов

Всего 60 секунд, полностью на автопилоте — AI-агенты Eraldt читают ваше резюме, определяют подходящие роли, находят живые вакансии и людей, которые могут вас порекомендовать, пишут им личные письма и добиваются рекомендации.

Это не отклик на вакансию: резюме не уходит в компанию, а рекомендацию именно по этой роли мы не обещаем.

Посмотрите, кто ещё получает интервью на автопилоте

Ещё в Яндекс