Опыт: от 4 лет практического опыта в роли Data Scientist или ML Engineer
Бизнес-мышление: умение самостоятельно погружаться в данные, находить корневые бизнес-проблемы и переводить бизнес-цели в понятные ML-задачи
ML-стек и алгоритмы: уверенное знание классического Machine Learning — Gradient Boosting (например, CatBoost/LightGBM), классификации, регрессии
Matching, RecSys и Ranking: практический опыт решения задач entity matching, глубокое понимание подходов к рекомендательным системам и ранжированию (KNN, FAISS, Learning-to-Rank, pointwise / pairwise / listwise подходы)
Big Data: уверенный опыт работы с большими объемами данных (мы обрабатываем терабайты данных ежедневно). Отличное знание SQL и практический опыт построения пайплайнов с использованием PySpark
Инженерная самостоятельность: умение писать production-quality код на Python, покрывать его тестами и самостоятельно доводить модели до продакшена. Опыт работы с Airflow и Python-микросервисами будет необходим
Опыт в индустрии: опыт работы в TravelTech, E-commerce или с B2B API; понимание специфики отелей, тарифов и дистрибьюторов
NLP и эмбеддинги: базовые знания NLP, понимание принципов работы текстовых эмбеддингов и способов их обучения. Это особенно пригодится для matching текстовых описаний тарифов, типов номеров и условий отмены бронирования
Оптимизация и pricing: опыт работы с динамическим ценообразованием, multi-objective optimization или системами Next Best Action (NBA)
Математика и статистика: хорошая база по теории вероятностей и математической статистике, необходимая для корректного дизайна экспериментов и оценки качества моделей