Lead MLE/Data Scientist

Привет!
Мы — ML команда финансовых продуктов Wildberries, крупнейшего маркетплейса Европы с более чем 30 млн пользователей в день. Мы решаем уникальные технологические задачи end-to-end, развиваем высоконагруженную ML-инфраструктуру и выводим модели в production для решения задач бизнеса. Наши решения напрямую влияют на ключевые бизнес-метрики: прибыль, GMV и лояльность покупателей.

Сейчас мы ищем Lead MLE/Data Scientist, который возглавит разработку ML-моделей для динамического ценообразования. Ваша миссия — создать систему, которая гибко управляет персонализированными скидками в разрезе категорий товаров WB, балансируя между ростом прибыли и клиентским опытом. Также вам предстоит принимать участие в развитии продукта WB Кошелек и решать задачи назначения скидок, роста клиентской базы, уровня проникновения и habit-forming через ML решения.

О команде и проектах

• Команда Senior MLE, MLIE, DA и backend-разработчиков с продуктовым мышлением

• Решаем задачи ценообразования, кредитного скоринга, роста клиентской базы

• Скоринговые модели с ROC-AUC >85 п.п., база клиентов 100 млн+

• Offline сервисы скоринга с имплементацией новых моделей за 10 минут

• Online сервисы скоринга на Go с capacity 10k+ RPS

• Минимум бюрократии: от идеи до продакшена — одна неделя

Чем предстоит заниматься

• Найм и руководство командой 4–8 MLE/Data Scientists/DA (постановка задач, code review, развитие компетенций)

• Формирование идей и бэклога совместно с продуктом и командой аналитики

• Создание ML моделей динамического назначения скидок для оптимизации GMV и прибыли в разрезе категорий товаров

• Создание моделей для назначения скидок, роста проникновения в продукт WB Кошелек

• RnD новых подходов и SOTA решений (эластичность, uplift, графы, матчинг товаров, Reinforcement Learning)

• Построение flow экспериментов, ETL-процессов с DWH, feature engineering, внедрение моделей совместно с MLops

• Мониторинг качества и стабильности моделей, построение дашбордов для отслеживания метрик

• Презентация результатов бизнес стейкхолдерам

Будет вызовом (задача со здездочкой)

Построение autoML пайплайнов для динамического ценообразования, автоматическая корректировка стратегии в зависимости от

• Рыночных условий и поведения конкурентов

• Учета прогноза будущего потребления

• Специфики зависимых товаров

• Формирования резистентности к воздействию и multi-touch effect

Технологический стек

• Основное: Python, SQL, Spark, Git, Airflow, MLflow, Kafka, ClickHouse/GreenPlum, S3/Hadoop, PyTorch

• nice-to-have: K8S, Prometheus/Grafana, Triton, Ray RLlib/аналоги

Требования

• Опыт управления MLE/DS-командой 2+ лет

• Опыт в динамическом ценообразовании/смежных областях (маркетинговые промо, рекомендательные системы)

• Глубокие знания в области машинного обучения, статистики, оптимизации (classic, uplift, Operations Research, Deep Learning, Causal Inference)

• Требуемые технические навыки, опыт построения и поддержки production-ML пайплайнов

• Понимание e-commerce-метрик (CAC, LTV, GMV)

• Умение доносить идеи до бизнеса и инженеров

• nice-to-have: опыт разработки и имплементации RL, построения графовой аналитики/NN и работы с графовыми СУБД, матчинге товаров

Что мы предлагаем

• Проект с возможностью значимо влиять на GMV/маржинальность всего WB

• Тот момент, когда можно все изменить или сделать с нуля - важны ваши смелые, нестандартные идеи и результат, а не бюрократия

• Высокая степень вклада в построение архитектуры/инфраструктуры проекта

Быстрый старт и traction. У нас есть широкий features store и подтвержденная эффективность проекта