ML-разработчик в команду эффективности логистики Яндекс Еды

Ориентир по рынку≈ 158 000 – 335 000 ₽наша приблизительная оценка по 98 вакансиям этой роли и грейда, у работодателя вилка не указана

🔄 ГибридMiddleПолная занятостьКорпорация

≈ 158 000 – 335 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Объявление живое, и что за работа, понятно из текста.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Наша компания

Яндекс Еда — популярный сервис доставки блюд из ресторанов и товаров из магазинов. Наша команда машинного обучения в направлении логистики делает сервис более интеллектуальным. Мы используем ML-модели, чтобы прогнозировать поведение системы, оптимизировать доставку и помогать принимать решения на всех уровнях: от алгоритмов назначения курьеров до стратегий их привлечения и мотивации. В нашей команде вы сможете влиять на ключевые процессы логистики, такие как расчёт ETA (ожидаемого времени прибытия), доставка, наём и мотивация курьеров. Мы предлагаем полный цикл ML-разработки: от идеи до внедре

Чем предстоит заниматься

Прогнозирование времени приготовления и доставки

Вам предстоит разрабатывать модели для точного прогнозирования времени приготовления заказа и общего времени доставки (от оформления заказа до его вручения клиенту). Такие модели помогают эффективнее распределять курьеров, ускорять доставку и улучшать клиентский опыт

Модели привлечения и удержания курьеров

Вам нужно будет разрабатывать модели для повышения эффективности курьерской сети: прогнозирования вероятности ухода курьеров и создания персонализированных мотивационных стратегий для более точечного найма и результативного удержания

Оценка объёма заказов

Вы будете моделировать объём корзины, чтобы определять, уместится ли заказ в стандартную курьерскую сумку, — это важно для выбора подходящего курьера. Также нужно будет учитывать специфику ресторана, тип товаров, упаковку и другие факторы

Развитие ML-подходов в логистике

Вам предстоит работать на стыке аналитики и машинного обучения, инициировать и развивать новые ML-проекты вместе с аналитиками и менеджерами. Нужно будет погружаться в предметную область, формулировать задачи, предлагать новые подходы и улучшать существующие модели

Полный цикл ML-проекта

Вы будете разрабатывать модель машинного обучения, начиная со сбора и анализа данных и заканчивая построением, обучением, внедрением и мониторингом в продакшне

Больше об ML в Яндексе — в канале Yandex for ML