ML Engineer

Что предстоит делать

Мы ищем ML Engineer в команду развития ценности активных клиентов. Мы отвечаем за персонализацию промо-механик в приложении «Магнит»: персональные предложения, цели и задания. Наша задача — не просто предсказать, что человек купит, а понять, какое воздействие действительно изменит его поведение, и направить промо-бюджет туда, где он даст максимальный эффект. Чем придется заниматься: • Разрабатывать, обучать и валидировать ML-модели для маркетинговых задач: классические предиктивные модели, uplift-модели и рекомендательные решения • Готовить данные для моделирования: собирать данные из разных источников, формировать витрины и признаки, контролировать качество данных • Оценивать модели по ML- и бизнес-метрикам, интерпретировать результаты и определять влияние моделей на эффективность кампаний • Выводить модели в production совместно с MLOps-инженерами: участвовать в code review и настройке регулярных скорингов • Поддерживать и развивать действующие ML-модели и пайплайны: отслеживать drift и деградацию качества, переобучать и улучшать решения • Проектировать и анализировать A/B-тесты, проверять гипотезы и презентовать результаты и рекомендации бизнес-заказчикам • Работать со стеком Python, SQL, PySpark, MLflow, Airflow, Docker, Git, Linux

Что ждём от вас

• Коммерческий опыт в ML / Data Science от 2 лет и уверенные знания классического ML: алгоритмы, ML-метрики, валидация, feature engineering и интерпретация моделей
• Практический опыт построения моделей на табличных данных и уверенную работу с Python, pandas, NumPy, scikit-learn, CatBoost / LightGBM / XGBoost
• Уверенный SQL и опыт работы с большими объемами данных; знание PySpark или аналогичных инструментов распределенной обработки будет преимуществом
• Знание статистики и опыт дизайна и анализа A/B-тестов; опыт uplift-моделирования, маркетинговой аналитики или рекомендательных систем будет большим плюсом
• Самостоятельность, умение вести задачу от постановки до результата, взаимодействовать с бизнес-заказчиками и понятно объяснять результаты нетехническим коллегам

Что предлагаем