- Страна
- Россия
Откликайтесь
на вакансии с ИИ
ML-инженер (CVM)
Оценка ИИОтличная вакансия в известной компании с сильной инженерной культурой. Четко прописанные задачи, современный стек (MLflow, PySpark) и прямой вклад в продукт делают эту позицию очень привлекательной для опытных специалистов.
Сложность вакансии
Оценка ИИРоль требует не только сильных технических навыков (PySpark, MLflow), но и глубокого понимания юнит-экономики и бизнес-метрик. Ожидается опыт работы с временными рядами и A/B-тестированием на реальных данных.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для ML-инженера с опытом от 2 лет в Москве рыночный диапазон составляет от 250 000 до 400 000 рублей. Dodo Brands обычно предлагает конкурентоспособные условия, соответствующие рынку.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Dodo Brands уже сейчас
Присоединяйтесь к команде Dodo Brands и создавайте ML-решения, которые напрямую влияют на экономику бизнеса!
Описание вакансии
ML-инженер (CVM)
#удаленка #гибрид
Компания: Dodo Brands
🔹мы ожидаем
-2+ года коммерческого опыта в Data Science с фокусом на решении операционных задач: построение моделей прогнозирования спроса (временные ряды) и динамического ценообразования
-Уверенное владение Python, SQL и PySpark для работы с большими наборами данных
-Глубокое понимание основ ML и опыт работы с большими наборами данных
-Глубокие знания в области A/B-тестирования: от дизайна и корректного запуска до интерпретации результатов и оценки влияния на бизнес-метрики
-Понимание юнит-экономики: способность понимать, как ML-модели влияют на ключевые рычаги юнит-экономики (стоимость доставки, утилизация мощностей, labor cost), и умение связать технические метрики моделей (MAPE, RMSE) с итоговыми финансовыми показателями (выручка, прибыль)
-Умение выбирать оптимальные алгоритмы для решения конкретных задач для достижения максимальной пользы с минимальными усилиями
-Будет преимуществом: опыт разработки рекомендательных систем или других моделей персонализации (CVM)
🔹тебе предстоит
-Работать над полным циклом ML-моделей, которые лежат в основе экономики и клиентского опыта Додо;
-Разрабатывать и внедрять модели прогнозирования спроса для систем динамического ценообразования (Surge Pricing) и оптимизации стоимости доставки;
-Строить модели для предсказания операционной нагрузки пиццерий и точного времени доставки заказа (ETA);
-Активно участвовать в развитии нашей MLOps-культуры: выстраивать production-ready пайплайны и полный цикл жизни моделей, используя такие инструменты, как MLflow;
-Создавать и поддерживать инфраструктуру для Feature Store, который станет единым источником данных как для операционных, так и для CVM-моделей;
-Разрабатывать и внедрять рекомендательные системы (персональное меню, акции, апселл);
-Проводить A/B-тесты для проверки гипотез и оценивать экономический эффект от внедрения всех моделей — как операционных, так и рекомендательных.
Контакты: Откликнуться
🔥 Подписаться на наши каналы / @best_itjob / @it_rab
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- A/B Testing
- Python
- Machine Learning
- SQL
- PySpark
- MLflow
- Time Series
- Recommender Systems
- Feature Store
- Demand Forecasting
Возможные вопросы на собеседовании
Вакансия предполагает работу с динамическим ценообразованием и прогнозированием спроса.
Как бы вы подошли к задаче прогнозирования спроса в условиях высокой волатильности и праздничных дней?
Компания делает упор на связь ML-метрик с финансовыми показателями.
Как вы объясните бизнесу разницу между снижением RMSE на 5% и реальным влиянием этого изменения на прибыль?
В стеке указан PySpark для работы с большими данными.
С какими основными проблемами производительности вы сталкивались при работе с PySpark и как их решали (например, data skew)?
Упоминается развитие MLOps-культуры и использование MLflow.
Опишите ваш идеальный production-ready пайплайн для ML-модели: от обучения до мониторинга в реальном времени.
Вакансия включает работу над рекомендательными системами.
Как вы будете оценивать эффективность рекомендательной системы в приложении, если стандартные офлайн-метрики (Precision@K) растут, а бизнес-метрики стагнируют?
Похожие вакансии
ML разработчик (Senior)
Senior / Middle+ Data Scientist
MlOps / Python Backend Engineer (ML)
Data Scientist Senior
Senior/Middle Data Engineer
Senior Data Scientist
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!
- Страна
- Россия