Москва, Пресненская набережная, 10блокС
Привет! Это команда операционных прогнозов.
Мы занимаемся операционным прогнозированием в ритейле: в команде много разных направлений — прогноз спроса, прогноз курьеров, золотые полки, прогноз смен и другие проекты, которые напрямую влияют на управление запасами и логистику.
Наш стек
Python, PostgreSQL, ClickHouse, Airflow, Spark/PySpark, Kafka, Hive, HDFS.
Вы будете
Развивать и улучшать модели прогнозирования.
Заниматься полным циклом: сбор и обработка данных, feature engineering, выдвижение и проверка гипотез, оценка качества моделей на статистических и бизнес-метриках.
Проектировать архитектуру ML-систем — от пайплайнов данных до продакшн-сервисов.
Доводить решения до продакшна самостоятельно: писать промышленный код, создавать простые API-сервисы для интеграции моделей с внутренними системами.
Общаться с заказчиками, формализовывать требования, предлагать и обосновывать новые подходы.
Нам важно
Уверенное знание Python и стандартных DS-библиотек.
Опыт работы с временными рядами и прогнозированием спроса (или смежных задач) — понимание специфики: сезонность, интермиттентный спрос, иерархическая структура данных.
Опыт построения архитектуры ML-систем и вывода моделей в продакшн, а не только в исследовательском режиме.
Инженерные навыки: сбор и обработка данных, построение пайплайнов, работа с базами данных (SQL).
Опыт разработки простых API-сервисов для интеграции моделей с другими системами.
Высшее образование в одной из сфер: математика, компьютерные науки или смежные.
Будет плюсом
Опыт агентской разработки и использования ИИ-инструментов в повседневной работе.
Опыт работы с gRPC — в команде сервисы принято делать на gRPC, HTTP почти не используется.