Data Science Engineer

Навыки

• A/B-тесты
• Airflow
• XGBoost / LightGBM / CatBoost
• Docker
• Git
• Внедрение систем
• KPI

Задачи

• создавать систему автоматического формирования заказов для кафе и ресторанов
• рассчитывать оптимальные уровни запасов с учётом сроков годности, остатков, поставок и производственных ограничений
• оптимизировать планирование производства полуфабрикатов и готовой продукции
• учитывать сезонность, погоду, праздники, акции, день недели, время суток и локальные особенности точек
• разрабатывать модели для снижения дефицита, излишков и списаний продукции
• проводить анализ продаж, остатков, поставок, производственных мощностей и операционных показателей
• создавать алгоритмы выявления аномалий в заказах, остатках и продажах
• проводить A/B-тесты и оценивать бизнес-эффект от внедрения моделей
• совместно с разработчиками интегрировать модели в действующую IT-инфраструктуру
• выстраивать мониторинг качества моделей и регулярно улучшать их после запуска. Что мы ожидаем — опыт работы Data Scientist, ML Engineer или Data Science Engineer от 3 лет
• способность понятно объяснять результаты работы бизнес-команде. Будет преимуществом — опыт в FoodTech, retail, FMCG, ресторанном бизнесе или производстве продуктов питания
• повышение доступности блюд и товаров для гостей
• автоматизация формирования заказов
• повышение эффективности производства и использования складских запасов

Требования

• уверенное владение Python, pandas, NumPy, scikit-learn
• хорошее знание SQL и опыт работы с большими объёмами транзакционных данных
• практический опыт построения моделей временных рядов и прогнозирования спроса
• понимание методов управления запасами, replenishment и supply chain optimization
• опыт работы с CatBoost, LightGBM, XGBoost или аналогичными инструментами
• знание методов оценки качества прогнозов: MAE, RMSE, MAPE, WAPE, bias
• умение переводить бизнес-задачу в математическую постановку и измеримый результат
• опыт внедрения моделей в production, а не только проведения исследований
• опыт разработки систем автоматического заказа и пополнения запасов
• понимание специфики скоропортящихся товаров и управления сроками годности
• опыт оптимизации производственного планирования
• знание OR-Tools, Pyomo или других инструментов математической оптимизации
• опыт работы с Airflow, MLflow, Docker, Git и облачной инфраструктурой
• понимание MLOps и мониторинга моделей
• опыт работы с ERP, WMS, POS, системами складского и производственного учёта. Ключевые показатели результата — повышение точности прогноза спроса
• снижение списаний и избыточных запасов
• сокращение количества ситуаций отсутствия продукции

Условия

• работу над продуктом, напрямую влияющим на экономику
• доступ к большому объёму реальных данных о продажах, заказах, остатках и производстве
• возможность построить систему управления заказами практически с нуля
• прямое взаимодействие с бизнесом, IT-командой и операционными подразделениями
• свободу в выборе подходов, архитектуры моделей и инструментов
• конкурентный уровень дохода по результатам собеседования FIX+KPI
• формат работы обсуждается индивидуально. В отклике расскажите о проектах, где ваши модели были внедрены в production и дали измеримый бизнес-результат

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.