Разработка и внедрение решений для прогнозирования нагрузки магазинов, потребности в персонале и спроса на товары. Разработка моделей кластеризации магазинов и алгоритмов динамического ценообразования. Исследование влияния промо и других факторов на спрос, построение сценарных прогнозов, проверка гипотез и качества моделей. Взаимодействие с бизнесом, аналитиками и инженерами данных, поддержка внедрённых моделей и мониторинг качества прогнозов.
Требования:
- Опыт решения прикладных задач машинного обучения на реальных данных.
- Уверенное владение Python и SQL.
- Понимание классических методов ML, прогнозирования временных рядов и кластеризации.
- Опыт работы со scikit-learn, CatBoost или LightGBM.
- Понимание оценки качества моделей, временной валидации и проблем утечки данных.
- Навыки исследования данных, построения признаков и проверки гипотез.
- Умение объяснять выбранный подход и результаты коллегам из разных команд.
- Готовность самостоятельно вести типовую ML-задачу от анализа данных до подготовки решения к внедрению.
Будет плюсом:
- Опыт в e-commerce или ритейле.
- Опыт прогнозирования спроса, продаж или операционной нагрузки.
- Опыт работы с ценообразованием, эластичностью спроса или эффектами промо.
- Опыт внедрения и мониторинга ML-моделей в продуктивной среде.
- Опыт работы с большими объёмами данных и распределёнными вычислениями.
Условия: полная занятость, график 5/2. Формат работы — удалённо, гибридно или в офисе.