- Страна
- Россия
Откликайтесь
на вакансии с ИИ
ML/Data Scientist Senior
Оценка ИИИнтересный проект в ритейле с глубоким техническим стеком и понятными задачами. Удаленный формат и четкий график — плюсы, однако проектная занятость (от полугода) может быть менее привлекательна, чем постоянный штат.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью глубоких знаний в специфических областях: uplift-моделировании и методах математической оптимизации (линейное/целочисленное программирование). Также требуется опыт работы с высоконагруженным продакшном на десятки миллионов клиентов.
Анализ зарплаты
Оценка ИИВ объявлении не указана зарплата, но для позиции Senior ML Scientist в российском ритейле рыночный диапазон составляет 350 000 – 500 000 рублей. Учитывая требования к математической оптимизации, компенсация должна стремиться к верхней границе рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Откликайтесь прямо сейчас, чтобы внедрять передовые uplift-модели в крупном ритейле!
Описание вакансии
ID 3481
ML/Data Scientist
Senior
Прием до 31.08 17:00‼️**
Сфера: Ритейл**
РФ
Продолжительность: от полугода
Кол-во специалистов: 5
Формат: удаленный (c 8:00 до 17:00 или с 9:00 до 18:00 по мск - на выбор)
*⚙️* Задачи:
• Разработка uplift-моделей для оценки инкрементального эффекта коммуникаций и офферов на поведение клиентов
• Построение скоринга офферов: модели склонности и ценности оффера для клиента, ранжирование офферов на уровне «клиент × оффер»
• Решение оптимизационных задач (линейное/целочисленное программирование): распределение офферов по клиентской базе с учётом бюджета, контактной политики и бизнес-ограничений
• Оркестрация контура end-to-end: пайплайны подготовки данных и признаков, регулярный пересчёт скоров, автоматизация запуска кампаний, мониторинг качества моделей
• Аналитическая поддержка: дизайн и оценка экспериментов, контрольные группы, отчётность по инкрементальному эффекту
• Инфраструктура: CI/CD, развёртывание и сопровождение ML-сервисов
*✅* Требования:
• Python, опыт uplift-моделирования (T-/X-learner, uplift-деревья, causalml) и построения скоринговых моделей склонности к отклику
• Методы математической оптимизации и линейного/целочисленного программирования (PuLP, CVXPY, OR-Tools или аналоги) для распределения офферов при бизнес-ограничениях
• SQL; опыт вывода моделей в прод (MLflow, батч-скоринг на десятки миллионов клиентов)
• Готовность оперативно реагировать на сообщения в рабочих чатах
• Готовность в рабочее время при потребности команды оперативно подключается на созвоны
*❗️**❗️**❗️Писать {{apply_contact}}⚡️**⚡️**⚡️**⚡️ С РЕЗЮМЕ В КОТОРОМ УКАЗАН ВОЗРАСТ И ЛОКАЦИЯ НАХОЖДЕНИЯ. Укажите 🆔*
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- SQL
- CI/CD
- MLflow
- Uplift Modeling
- OR-Tools
- PuLP
- Linear Programming
- CausalML
- CVXPY
- Integer Programming
Возможные вопросы на собеседовании
Вакансия требует опыта в uplift-моделировании. Важно понимать, как кандидат выбирает между различными подходами.
В каких случаях вы предпочтете X-learner вместо T-learner при оценке инкрементального эффекта?
Оптимизация распределения офферов — ключевая задача. Нужно проверить владение инструментами линейного программирования.
Как вы будете формулировать задачу оптимизации распределения офферов, если у нас есть ограничения по бюджету и лимиты на количество контактов с одним клиентом?
Работа с данными миллионов клиентов требует навыков масштабирования.
Расскажите о вашем опыте организации батч-скоринга для баз данных объемом в десятки миллионов записей. Какие инструменты вы использовали для мониторинга качества?
Дизайн экспериментов критичен для оценки ML-моделей в бизнесе.
Как вы рассчитываете необходимый размер контрольной группы для оценки uplift-эффекта с заданной статистической мощностью?
Проверка навыков работы с инфраструктурой.
