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.