- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data Scientist в команду Разработки Систем Управления Складом
Оценка ИИСильный бренд работодателя, современный технологический стек и возможность удаленной работы делают вакансию очень привлекательной. Проекты в сфере WMS (Warehouse Management System) обычно отличаются высокой сложностью и интересными инженерными вызовами.
Сложность вакансии
Оценка ИИВакансия требует уверенного владения широким стеком технологий: от классического ML до инструментов Big Data (Hadoop, PySpark). Работа в логистике Wildberries подразумевает обработку огромных массивов данных и высокую ответственность за принимаемые алгоритмические решения.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для Data Scientist в крупных российских тех-компаниях уровня Wildberries рыночные вилки обычно начинаются от 250 000 рублей для Middle-специалистов. Верхняя граница для Senior-позиций может значительно превышать 450 000 рублей.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Wildberries уже сейчас
Присоединяйтесь к команде Wildberries и создавайте интеллектуальные системы управления складом крупнейшего маркетплейса!
Описание вакансии
Data Scientist
в команду Разработки Систем Управления Складом Wildberries.
Удалённая работа или офисы в Москве.
ML-стек: PyTorch, Pandas, NumPy, Scikit-learn, CatBoost/XGBoost/LightGBM, Hadoop, Pyspark, PostgreSQL, ClickHouse.
Ищет Дмитрий Егурнов, его Откликнуться.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- PyTorch
- Pandas
- NumPy
- Scikit-learn
- CatBoost
- XGBoost
- LightGBM
- Hadoop
- PySpark
- PostgreSQL
- ClickHouse
Возможные вопросы на собеседовании
Wildberries оперирует огромными объемами данных, поэтому важно понимать, как кандидат оптимизирует обработку данных.
Расскажите о вашем опыте оптимизации запросов в PySpark при работе с терабайтными датасетами.
В логистике часто используются градиентные бустинги для прогнозирования.
В каких случаях вы предпочтете CatBoost вместо XGBoost или LightGBM для задач ранжирования или классификации?
Складские системы требуют быстрой аналитики.
Какие особенности ClickHouse делают его подходящим (или неподходящим) для хранения результатов работы ML-моделей в реальном времени?
Вакансия предполагает работу с PyTorch.
Опишите архитектуру нейронной сети, которую вы бы использовали для прогнозирования нагрузки на складские ячейки.
Важно понимать, как модель будет работать в продакшене.
Как вы организуете мониторинг качества моделей (drift detection) после их деплоя в систему управления складом?
Похожие вакансии
Senior Data Engineer
Data Scientist Senior
Data Engineer
Senior MLOps инженер
Team Lead Data Science / ML
MLOps инженер (Team Lead)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!