Middle ML Engineer
Известный бренд, прозрачная вилка зарплаты от 250к и интересные задачи в области классического ML и ритейла делают вакансию очень привлекательной. Гибкий формат работы (удаленка/офис) — дополнительный плюс.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Позиция требует уверенного владения классическим ML и опытом работы с временными рядами (прогноз спроса). Уровень Middle предполагает самостоятельность в разработке и понимание специфики ритейл-бизнеса.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Предложенная зарплата от 250 000 ₽ соответствует рыночному уровню для Middle ML-инженера в России, где медиана составляет около 260 000 - 280 000 ₽. Нижняя граница вилки выглядит конкурентоспособной для данного грейда.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
от 250 000 ₽/месяц
Удаленка или офис, Фултайм
Ищем ML-инженера уровня Middle в команду прогнозирования и классического ML «Детского мира». Вы будете разрабатывать модели для прогноза спроса, кластеризации магазинов и динамического ценообразования, а также участвовать в новом проекте для HR...(Откликнуться)
**⚠️ Будьте внимательны: иногда мошенники маскируют свои схемы под вакансии реальных компаний, никому не передавайте доступ к своим аккаунтам или устройствам.
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- Machine Learning
- Clustering
- Dynamic Pricing
- Demand Forecasting
Возможные вопросы на собеседовании
Прогнозирование спроса — ключевая задача вакансии. Важно понимать, как кандидат работает с сезонностью и трендами.
Какие методы и библиотеки вы используете для обработки временных рядов и учета сезонности при прогнозировании спроса?
В ритейле часто возникают проблемы с качеством данных. Нужно проверить умение работать с пропусками и аномалиями.
Как вы подходите к очистке данных и обработке выбросов в исторических данных о продажах?
Упоминается задача кластеризации магазинов. Важно знать критерии выбора алгоритмов.
Какие метрики и алгоритмы кластеризации вы бы выбрали для сегментации розничных точек продаж?
Динамическое ценообразование требует понимания влияния цены на спрос.
Как бы вы оценивали эластичность спроса по цене при разработке модели ценообразования?
ML-инженер должен уметь доводить модель до продакшена.
Расскажите о вашем опыте деплоя ML-моделей и организации мониторинга их качества в реальном времени.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

