ML Engineer / Data Scientist
Описание
В Стратосфере мы занимаемся разработкой программного обеспечения для банков, ритейла и телекома, сотрудничаем с Яндекс, МТС, ВКонтакте, Ингосстрах, Купер и др. Мы дадим тебе возможность поработать на социально-значимых проектах, прокачать профессиональную экспертизу, украсить свое резюме и соблюсти work-life balance. Мы – аккредитованная IT-компания, у нас можно работать удаленно из любого города страны. Наша команда активно растет, поэтому сейчас мы в поиске опытного ML Engineer для работы над проектом крупного банка. Нам важно: Профильный опыт работы в ML от 3х лет. Уверенное владение Python. Практический опыт uplift-моделирования: T-learner, X-learner, uplift-деревья, causalml или аналогичные подходы. Опыт построения скоринговых моделей склонности к отклику. Знание методов математической оптимизации, линейного и целочисленного программирования. Опыт работы с PuLP, CVXPY, OR-Tools или аналогичными инструментами. Уверенное владение SQL. Опыт подготовки моделей к промышленной эксплуатации. Опыт работы с MLflow. Опыт организации batch-scoring на больших объемах данных, в том числе на десятках миллионов клиентов. Понимание принципов построения и сопровождения ML-пайплайнов. Опыт работы с экспериментами и оценкой качества моделей. Что нужно будет делать: Разработка uplift-моделей для оценки инкрементального эффекта коммуникаций и офферов на поведение клиентов. Построение скоринговых моделей склонности и ценности оффера для клиента. Ранжирование офферов на уровне «клиент × оффер». Решение задач линейной и целочисленной оптимизации для распределения офферов по клиентской базе с учетом бюджета, контактной политики и других бизнес-ограничений. Разработка и сопровождение end-to-end ML-пайплайнов: подготовка данных и признаков, регулярный пересчет скоров, автоматизация запуска кампаний. Вывод моделей в промышленную эксплуатацию и организация батч-скоринга на больших объемах данных. Мониторинг качества моделей и результатов их работы. Участие в дизайне и оценке экспериментов, работе с контрольными группами. Анализ инкрементального эффекта коммуникаций и подготовка аналитической отчетности. Участие в CI/CD, развертывании и сопровождении ML-сервисов. Почему у нас хорошо: Удаленная работа; Возможность карьерного роста; Интересные задачи на крупных проектах; Возможность подобрать проект по интересам; Насыщенная корпоративная жизнь; Курсы за счет компании. Поднимайся к нам в Стратосферу!