Старший ML-разработчик, Команда операционных прогнозов

Ориентир по рынку≈ 150 000 – 350 000 ₽наша приблизительная оценка по 148 вакансиям этой роли и грейда, у работодателя вилка не указана

≈ 1,8 тыс.–4,2 тыс. $

🏢 ОфисMiddleПолная занятость

Стоит ли откликаться

Вакансия закрыта

Откликаться поздно: вакансию сняли. Сколько она висела и что в ней менялось, видно в разборе.

3 из 4 в норме

Деньги

Сумму в объявлении не указали. Ориентир на созвон: столько платят в 148 похожих вакансиях Разработчик уровня Middle.

платят меньше150 000 – 350 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Висит 47 дней, признаков фиктивного найма нет. Повторных публикаций не было.

Живая

Описание

Расписано подробно: обязанностей 5, требований 9. Картина ясна до первого созвона.

Обещают: аккредитованная IT-компания

Подробно

Что требуют

ОбязательноMLPythonPostgreSQLClickHouseAirflowSparkKafkaHiveHadoopSQL

ПлюсомgRPC

Надбавка к зарплате на этом уровне: Python +46%, Kafka +46%, SQL +25%.

Ясно

Наша компания

Привет! Это команда операционных прогнозов. Мы занимаемся операционным прогнозированием в ритейле: в команде много разных направлений — прогноз спроса, прогноз курьеров, золотые полки, прогноз смен и другие проекты, которые напрямую влияют на управление запасами и логистику.

Чем предстоит заниматься

Развивать и улучшать модели прогнозирования

Заниматься полным циклом: сбор и обработка данных, feature engineering, выдвижение и проверка гипотез, оценка качества моделей на статистических и бизнес-метриках

Проектировать архитектуру ML-систем — от пайплайнов данных до продакшн-сервисов

Доводить решения до продакшна самостоятельно: писать промышленный код, создавать простые API-сервисы для интеграции моделей с внутренними системами

Общаться с заказчиками, формализовывать требования, предлагать и обосновывать новые подходы

Наши требования

Уверенное знание Python и стандартных DS-библиотек

Опыт работы с временными рядами и прогнозированием спроса (или смежных задач) — понимание специфики: сезонность, интермиттентный спрос, иерархическая структура данных

Опыт построения архитектуры ML-систем и вывода моделей в продакшн, а не только в исследовательском режиме

Инженерные навыки: сбор и обработка данных, построение пайплайнов, работа с базами данных (SQL)

Опыт разработки простых API-сервисов для интеграции моделей с другими системами

Высшее образование в одной из сфер: математика, компьютерные науки или смежные

Опыт агентской разработки и использования ИИ-инструментов в повседневной работе

Опыт работы с gRPC — в команде сервисы принято делать на gRPC, HTTP почти не используется

Python, PostgreSQL, ClickHouse, Airflow, Spark/PySpark, Kafka, Hive, HDFS