К содержимому

Senior Applied ML Engineer (Python)

АркадияУдалённо

  • Python
  • PostgreSQL
  • Docker
  • ML

#senior

#удаленка

Аркадия

Senior Applied ML Engineer (Python)

Опыт работы: более 6 лет Полная занятость График: 5/2 Формат работы: удалённо

Чем предстоит заниматься

-Разработка ML-моделей: прогнозирование вероятности покупки дополнительных услуг при разных ценах, оптимизация ценовых решений, построение нейросетевых моделей -Экспериментальная методология: проектирование контролируемого исследования (controlled exploration) в допустимом диапазоне цен, правил рандомизации, вероятностей назначения ценовых вариантов и ограничений безопасности -A/B-тестирование: дизайн контролируемых экспериментов для сравнения новой политики ценообразования с текущей, определение основных (primary) и защитных (guardrail) метрик, критериев остановки и условий развёртывания (rollout) -Полный жизненный цикл машинного обучения: обучение, валидация, инференс, периодическое переобучение, версионирование моделей, цикл обратной связи между предсказаниями, решениями и фактическими результатами -Разработка: реализация сквозного ML-прототипа, включая минимальные HTTP API, хранение данных и имитацию внешней системы бронирования -Логирование и данные: корректная фиксация назначенных цен, экспериментальных вариантов, вероятностей назначения, фактов покупки и бизнес-метрик

Наши пожелания к кандидатам

-Уверенное владение Python, NumPy, pandas, scikit-learn, PyTorch или TensorFlow, а также C# для интеграции с бэкендом -Опыт разработки, обучения и применения ML-моделей, включая нейронные сети, инженерию признаков (feature engineering) и работу с табличными данными -Понимание математических основ машинного обучения, теории вероятностей, статистики, методов оптимизации и принципов A/B-тестирования -Способность проектировать контролируемое исследование (controlled exploration), правила рандомизации, основные и защитные метрики для ценовых экспериментов -Опыт организации полного жизненного цикла машинного обучения: обучение, валидация, инференс, переобучение, версионирование и обратная связь -Уверенное владение SQL, PostgreSQL, Git, Docker и навыки разработки Python-приложений с автотестами

Будет плюсом:

-Опыт в динамическом ценообразовании и оптимизации выручки (revenue optimization): прогнозирование спроса, ценовая эластичность, готовность платить -Знакомство с продвинутыми методами причинно-следственного анализа (causal inference) и последовательного принятия решений (sequential decision making): контекстные многорукие бандиты (contextual bandits), off-policy evaluation, IPW, doubly robust estimation -Знакомство с MLOps-инструментами (MLflow, оркестрация, мониторинг моделей) и опыт эксплуатации ML-сервисов -Опыт работы в авиационной отрасли, электронной коммерции или управлении доходами (revenue management)

Контакты: jobs@arcadia.spb.ru

Python Job

в Telegram | в VK | в Max

What You'll Do

  • Разработка ML-моделей: прогнозирование вероятности покупки дополнительных услуг при разных ценах, оптимизация ценовых решений, построение нейросетевых моделей
  • Экспериментальная методология: проектирование контролируемого исследования (controlled exploration) в допустимом диапазоне цен, правил рандомизации, вероятностей назначения ценовых вариантов и ограничений безопасности
  • A/B-тестирование: дизайн контролируемых экспериментов для сравнения новой политики ценообразования с текущей, определение основных (primary) и защитных (guardrail) метрик, критериев остановки и условий развёртывания (rollout)
  • Полный жизненный цикл машинного обучения: обучение, валидация, инференс, периодическое переобучение, версионирование моделей, цикл обратной связи между предсказаниями, решениями и фактическими результатами
  • Разработка: реализация сквозного ML-прототипа, включая минимальные HTTP API, хранение данных и имитацию внешней системы бронирования
  • Логирование и данные: корректная фиксация назначенных цен, экспериментальных вариантов, вероятностей назначения, фактов покупки и бизнес-метрик
  • Наши пожелания к кандидатам
  • Уверенное владение Python, NumPy, pandas, scikit-learn, PyTorch или TensorFlow, а также C# для интеграции с бэкендом

Preferred Qualifications

  • Опыт в динамическом ценообразовании и оптимизации выручки (revenue optimization): прогнозирование спроса, ценовая эластичность, готовность платить
  • Знакомство с MLOps-инструментами (MLflow, оркестрация, мониторинг моделей) и опыт эксплуатации ML-сервисов
  • Опыт работы в авиационной отрасли, электронной коммерции или управлении доходами (revenue management)

openqareer не кадровое агентство: вакансия собрана с открытого источника, отклик подаётся на сайте работодателя.