Senior Data Scientist (Дарксторы: нагрузка и эффективность)

Ориентир по рынку≈ 375 000 – 475 000 ₽наша приблизительная оценка по 16 вакансиям этой роли и грейда, у работодателя вилка не указана

🌍 УдалённоSeniorПолная занятость

≈ 375 000 – 475 000 ₽наша приблизительная оценка

Есть о чём спросить

Готовы вкладываться в обучение. Но вилки нет, про деньги придётся договариваться с нуля.

Нажмите на сигнал, чтобы увидеть, на чём он основан

Чем предстоит заниматься

Решать задачи time series forecasting с большим количеством параллельных временных рядов: тысячи дарксторов, различные горизонты прогнозирования, часовая и дневная гранулярность

Определять необходимое количество курьеров и сборщиков для выполнения прогнозируемого количества заказов при заданном качестве сервиса

Строить модели и алгоритмы оптимизации минимального чека, балансируя количество заказов, средний чек, GMV и стоимость выполнения заказа

Объединять модели в единую систему принятия операционных решений

Использовать causal inference для оценки влияния управляемых параметров на заказы, опоздания и другие бизнес-метрики

Проектировать и анализировать A/B-тесты и квазиэксперименты

Работать с большими объёмами данных в SQL и S3

Разрабатывать и поддерживать data/ML-пайплайны в Airflow

Оценивать модели не только по offline-метрикам, но и по влиянию на операционные и бизнес-KPI

Наши требования

Сильный Python и уверенное владение classic ML

Уверенный Polars и опыт работы с большими датасетами

Хорошее понимание временных рядов: lags, rolling features, seasonality, leakage, backtesting, multi-step / multi-horizon forecasting

Уверенный SQL

Практический опыт работы с S3 / S3-compatible object storage

Опыт работы с Airflow

Хорошая база в математической статистике, теории вероятностей и эконометрике

Понимание A/B-тестирования и causal inference

Бизнесовое мышление: умение переводить бизнес-задачу в ML / causal / optimization-постановку и понимать ожидаемый эффект решения

Высокие коммуникационные навыки: умение доносить идеи и результаты до продукта и бизнес-стейкхолдеров, объяснять сложные технические решения людям без ML-бэкграунда

Опыт работы в operations / logistics / last-mile delivery / workforce planning

Опыт в e-commerce / e-grocery

Понимание экономики доставки и операционных процессов

Опыт математической оптимизации и operations research

Мы предлагаем

Мы аккредитованная IT-компания с сопутствующими преимуществами. ДМС и страховка, разнообразное обучение, оплата участия в конференциях, скидки от партнеров и все классические плюшки

Делаем разные продукты

Помогаем создавать положительный клиентский опыт. Те самые круассаны из Самоката, наушники с доставкой по клику (ведь они нужны прямо здесь и сейчас) и другие классные решения — всё это мы

Умеем меняться

Пересобирать оргструктуру, менять подходы к разработке, обновлять продуктовый и технологический фокус – быть стабильными в росте, не разваливаться, избегать неповоротливости

Знаем, что ошибки нужны

Считаем, что не знать, как правильно и пробовать — это ок. Умеем ошибаться, учиться на ошибках, развиваться

Мы большие и разные

В технологиях, подходах, людях. Найдёшь у нас коллег, близких по духу и интересам

Дополнительно

Мы решаем задачи, которые напрямую влияют на качество доставки и экономику операционного контура: прогнозируем количество заказов и опоздания, определяем необходимое количество курьеров и сборщиков, оптимизируем минимальный чек и другие операционные параметры

Сейчас большая часть этих задач уже решается отдельными production-моделями. Следующий этап — объединить их в единую систему принятия решений, которая будет учитывать взаимное влияние заказов, доступных ресурсов, качества сервиса и коммерческих ограничений. Здесь становится особенно важен causal inference: нам нужно не только прогнозировать будущее, но и понимать, как конкретное управленческое воздействие изменит заказы, опоздания и стоимость операций