Middle+ - Senior DS/MLE

Описание вакансии

Позиция: Middle+ - Senior DS/MLE

Компания: Т-банк, команда эффективности

Формат работы: fulltime, гибрид, Москва, офис на Павелецкой.

Вилка гросс: 400-700К + годовые премии

Про нас:

Мы создаём и внедряем алгоритмы, которые улучшают экономику экосистемы, делая её выгоднее для клиентов, прибыльнее для бизнеса и эффективнее для партнёров с помощью кешбэка, ценообразования, рекламы и финтеха.

В этом году перед нами стоит задача кратно масштабировать бизнес. Для этого мы ищем заряженных DS и MLE (в том числе lead/staff) на несколько направлений:

1. Динамическое Ценообразование и Оптимизация Промо: определять кому, на что и сколько кешбэка / скидок дать, опираясь на цели бизнеса (например чтобы вырастить выручку без просадки маржи).
2. Рекламные алгоритмы: развивать аукцион и алгоритмы принятия решений внутри него, а также внедрять CPA-модель в партнерских размещениях (рекомендовать ставку и лимиты на кешбэк).
3. Оптимизация маркетингового бюджета: развивать МММ, модели атрибуции и causal-подходы для оценки инкрементальности каналов, понимать реальный вклад маркетинга в рост и перераспределять бюджеты в точки с максимальным ROI.
4. Поиск и создание новых механик роста: генерировать гипотезы на основе продуктовых исследований и A/B-экспериментов, лидировать создание новых фич и механик, доводить лучшие из них до прода.

Что предлагаем:

— Сплоченная команда 20+ человек из ШАД/ФКН/МФТИ/РЭШ

— Задачи с околонулевым легаси на стыке продукта, ML, оптов и разработки

— Прямое влияние на ключевые метрики бизнеса

— Быстрый путь от гипотезы до продакшена

Что предстоит делать:

— Отвечать end-to-end за проект: от сбора данных до продуктивизации ML моделей

— Придумывать как улучшать текущие ML подходы не только с точки зрения техники, но и с бизнесовой точки зрения

— Реализовывать идеи, алгоритмы и модели из научных статей

Требования:

— Хорошего знания математики и применения в рабочих задачах математической статистики

— Хорошего знания ML (для аналитики/DS достаточно понимать базовые принципы)

— Базовую инженерную грамотность

— Уверенный SQL и Python

— Для Lead: опыт руководства командой 2-5 человек от года

Будет плюсом:

— Опыт uplift-моделирования

— Знание базовых RL-алгоритмов

— Опыт внедрения ML-моделей в продакшн

— Знакомы с дискретной оптимизацией

— Понимание unit-экономики и PNL

— Опыт работы в командах эффективности / рекламы / рексис

Ответы на 10 вопросов:

1. Данные:

В основном GreenPlum (все данные банка), мобильные события - ClickHouse

1. Железо:

Коммунальные GPU и CPU сервера с большим выбором и количеством железа + MacBook Pro для разработки

1. Масштаб влияния на core-бизнес?

Рост и выполнение OKR по продуктам бизнес линии зависит от работы нашего направления

1. Уровень развития Data Science в компании?

Экспертиза в банке высокая, есть отдельные RnD команды, с которыми можно консультироваться, в рамках направления каждый проект частично или полностью связан с ML и оптимизацией

1. Роль дата сайентиста: Аналитики и MLE - двигатель и сердце направления, так как продактов в направлении практически нет. Занимаемся end-to-end проектами: от идеи и постановки задачи до реализации и обсуждения выкатки на прод с командой продукта
2. Бэкграунд у вашего руководителя? [LinkedIn]
3. Как часто вам будут мешать работать?

• Созвоны с командой: 2 - 3 часа в неделю
• Созвоны с продуктовой командой: 1 - 3 часа в неделю (в зависимости от позиции)

1. Карьерный рост: формализована матрица компетенций, есть возможность быстро расти по грейдам в силу начальной стадии направления, также есть возможность роста в лида
2. Prod/Research: Prod/Research 80%/20%
3. Функция сервиса или лидера? Сервис/лидер: 20%/80%

📩 С резюме и вопросами можно в ЛС: Откликнуться