Duties

  • Участвовать в развитии и оптимизации процессов ценообразования в Lamoda;
  • Улучшать ML-продукт регулярного ценообразования;
  • Разрабатывать и внедрять модели оптимизации цен для офлайн-ритейла с учетом спроса, сезонности, маржинальности и особенностей физических магазинов;
  • Разрабатывать промо-модели для анализа и создания эффективных акций;
  • Создавать аналитические и ML-инструменты для принятия коммерческих решений в офлайн-канале;
  • Реализовывать новые продукты, например, персональное ценообразование;
  • Развивать решения на стыке ценообразования, управления поставками, ассортиментом и остатками магазинов;
  • Проводить эксперименты и оценивать бизнес-эффект внедряемых решений;
  • Инициировать и внедрять data-driven проекты для повышения эффективности бизнеса.

Requirements

  • Опыт в области анализа данных и машинного обучения от 2 лет;
  • Опыт работы с SQL, Hadoop, Hive, Spark;
  • Владение Python, Linux, методами работы с большими данными;
  • Опыт работы как минимум с 2 ML-библиотеками: Scikit-learn, CatBoost/XGBoost, PyTorch, Spark ML;
  • Знания теории вероятностей и математической статистики;
  • Знания в области машинного обучения, прогнозного моделирования и методов статистического анализа;
  • Умение формулировать и проверять бизнес-гипотезы на основе данных;
  • Будет плюсом опыт решения задач в области ценообразования, прогнозирования спроса, управления ассортиментом, запасами или цепочками поставок;
  • Высшее образование в области прикладной математики, информационных технологий, информатики и т.п.;
  • Английский язык на уровне технического чтения.

Conditions

  • Хорошо выстроенные процессы: квартальное планирование по методологии OKR, двухнедельные спринты, регулярные стендапы и проектные встречи для синхронизации;
  • Сильная команда middle и senior специалистов, развитое DS-сообщество, где есть возможность обмениваться знаниями на внутренних митапах;
  • Зрелый сетап разработки ML-решений полного цикла: современный стек, высокий уровень культуры разработки, десятки ML-моделей в продакшене и поддержка команды MLOps;
  • Проекты не остаются на уровне исследований — большинство инициатив доходят до А/В-тестов и промышленного внедрения;
  • Возможность формировать новое направление ML-продуктов для офлайн-коммерции и напрямую влиять на развитие розничного бизнеса компании;
  • Можно и нужно предлагать собственные идеи и влиять на развитие продуктов и ML-решений компании;
  • Персональные карьерные маршруты и возможности профессионального роста внутри DS-сообщества.