Middle+ ML-инженер в Pricing (Python)
Цена — один из самых сильных рычагов маркетплейса: от неё напрямую зависят GMV, маржинальность и то, насколько выгодно покупать у нас. Команда ценообразования строит систему динамического ценообразования. Система регулярно пересчитывает ре…
uzum technologies. it · На сервисе с: 21.09.26 19:47
- Модели спроса и цены: прогноз спроса, оценка влияния цены и скидки на продажи, рекомендации по оптимальной цене
- Качество моделей: feature engineering, offline-валидация, анализ ошибок, выбор и сравнение ML-подходов
- Данные: подготовка датасетов и признаков, EDA, контроль качества входных данных
- Эксперименты: вместе с аналитиками проектировать и разбирать A/B-тесты, оценивать влияние на GMV, маржинальность и продажи
- Прод и надёжность: развивать ML-систему, которая пересчитывает цены на большом ассортименте; следить за поведением моделей после запуска и разбирать инциденты
- Инженерная культура: code review, обсуждение архитектуры, документация решений и результатов экспериментов
- ML/DS: Python, pandas/polars, NumPy, scikit-learn, CatBoost/LightGBM, PyTorch
- Данные: ClickHouse, Trino, Airflow
- Прод: Git, Docker, CI/CD
- A/B-эксперименты: GrowthBook
- 3+ года коммерческого опыта в ML/DS: обучал модели и доводил их до прода или до регулярного использования
- Уверенный Python и основной DS-стек; опыт с градиентным бустингом и/или PyTorch
- Уверенный SQL, опыт работы с большими данными
- Понимание A/B-тестов: статистическая значимость, доверительные интервалы, power и MDE, корректная интерпретация результатов
- Умение писать поддерживаемый код: Git, Docker, базовое понимание CI/CD и оркестрации пайплайнов
- Самостоятельность: умеешь разбить задачу на части, предложить варианты решения и довести выбранный до результата
- Умение объяснять ограничения и результаты моделей аналитикам, разработчикам и продукту
- Оцениваешь модели не только по offline-метрикам, но и по влиянию на бизнес
- Опыт с demand forecasting, price elasticity, оптимизацией цен или скидок
- Понимание causal inference: почему нельзя просто обучить модель «цена → спрос» на исторических данных
- Опыт в e-commerce или ритейле
- HR-интервью (30 мин): команда, контекст, твой опыт и ожидания
- Тех-1 (60 мин): Python, SQL, теория ML
- Тех-2 (60 мин): ML System Design
- Финал (60 мин): интервью с руководителем
- Даем широкую зону ответственности и возможность влиять на архитектурные и продуктовые решения. А ещё рады обсуждать твои инициативы и реализовывать их
- Уникальная культура – мы сохранили дух стартапа, при этом уже отстроили зрелые процессы
- Формируем измеримые цели всей командой и не просто выполняем их "для галочки", а замеряем эффективность и общее влияние нашей работы на бизнес
- Работа в командах сильных специалистов, где ценится глубина экспертизы и инженерное мышление
- Команды слушают и слышат друг друга, выступая в роли партнеров, а не исполнителей
- Удаленка из любой точки мира или уютный офис в Ташкенте
- У нас можно расти в инженерном или управленческом треке, а еще выстроена регулярная оценка перформанса
- Платим на уровне топовых компаний российского рынка
- Обучение и развитие — мы поддерживаем как внутри компании, так и за ее пределами (митапы, конференции, профессиональное обучение, публикации). А еще помогаем развивать личный бренд
- База — комьюнити профессионалов с желанием делать круто. Приятный бонус — ДМС в привязке к вашей локации, обучение и другие плюшки
Похожие вакансии Data Science & ML
- Проектирование и разработка production-ready ML, LLM, NLP и Computer Vision решений для автоматизации бизнес-процессов.
- Разработка моделей и пайплайнов для анализа документов и изображений, включая распознавание, классификацию и извлечение структурированных данных.
- Создание RAG-систем, AI-агентов и решений на базе локальных и облачных LLM.
- Разработка, обучение и оптимизация ML-моделей под задачи проекта, включая выбор архитектуры, функций потерь и стратегии валидации.
- Определение метрик качества, проведение экспериментов, валидации и анализа ошибок моделей.
- Оптимизация качества, скорости инференса, стоимости и потребления вычислительных ресурсов.
- Подготовка моделей к промышленной эксплуатации, мониторинг качества и организация переобучения.
Требования:
- От 3 лет коммерческого опыта в Machine Learning.
- Опыт создания и внедрения production ML, LLM, NLP или Computer Vision систем.
- Уверенное владение Python и опыт работы с PyTorch, Scikit-learn, CatBoost, LightGBM или XGBoost.
- Понимание метрик качества, методов валидации, анализа ошибок и оценки стабильности моделей.
- Опыт разработки LLM-приложений, RAG-систем и AI-агентов с использованием LangChain, LangGraph или аналогичных инструментов.
- Опыт проектирования retrieval-пайплайнов для RAG-систем и работы с векторными базами данных.
- Опыт решения задач OCR, анализа документов, изображений или разработки мультимодальных систем.
- Опыт оптимизации и сопровождения моделей в production.
Желательно:
- Знакомство с agentic tooling: Claude Code, Cursor или аналогичными инструментами.
- Понимание методов оптимизации локального инференса: квантизации, батчинга и управления вычислительными ресурсами.
- Опыт разработки решений для генерации текстового или мультимодального контента.
- Опыт развертывания и оптимизации локальных LLM с использованием vLLM или аналогичных решений.
Условия:
- График удалённый
- Подключение к проекту и к команде в дневное время
- Сотрудник необходим временно, так как, проект запланирован на 3 месяца
- ГПХ договор до 31.12.2026
👀 Product Lead (Predictions & ML)
Удаленка
Adapty — платформа монетизации подписок для мобильных приложений. Через нас проходит больше $3B подписочной выручки в год, нами пользуются больше 20 000 приложений. Мы делим продукт на стримы и сейчас собираем аналитику и ML под одного владельца.
Вся мобильная реклама держится на одном разрыве: выручка от привлечённого пользователя приходит в течение года, подписками и продлениями, а решение, продолжать ли тратить на канал, нужно принять за несколько дней. Этот разрыв закрывает предсказание LTV — и от точности прогноза напрямую зависит, сколько приложение может позволить себе потратить на рост.
Данных для этого у нас больше, чем почти у кого-либо на рынке: мы видим тысячи приложений одновременно, а не одно. Значит, мы можем предсказывать точнее всех. Сейчас не предсказываем, и это задача роли.
Направление собирается с нуля: аналитика, предикт и A/B-тесты впервые сходятся под одним владельцем. Ты получаешь чистый лист в решениях поверх продукта, который уже приносит деньги двадцати тысячам приложений.
➡️Чем заниматься:
— Определить, что мы считаем качеством модели — метрика, горизонт, baseline, калибровка — и довести предикт до этого уровня
— Забрать A/B-тесты пейволлов и свести их с предиктом: тест меряет краткосрочный эффект, а раскатывать надо по долгосрочной выручке
— Разогнать аналитику: найти, где затык — в данных, запросах или интерфейсе
— Решить судьбу накопленных ML-наработок: что доводим до продукта, что закрываем
— Вести команду из двух ML-инженеров
➡️Кого ищем:
— Классический ML и матстат на уровне предметного спора о метрике и горизонте, а не пересказа чужих выводов
— SQL и Python — сами достаёте и перепроверяете числа
— Умение взять широкое направление и довести до результата без постановки задач
— Продуктовый опыт — плюс, но не требование
📌Плюсом: подписки, мобайл или финтех (LTV, churn, когортная экономика); экспериментальный дизайн: мощность, MDE, множественные сравнения; ClickHouse; олимпиады, Kaggle, публичные проекты.
➡️ По всем вопросам и с резюме обращайтесь: ••••••••
(без cv не рассматриваем)
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.