Обязанности:
Архитектура Ранжирования: Разработать и внедрить архитектуру Learning to Rank (LTR) для автоматической персонализации и выведения весов .
Моделирование Поведения: Формализовать и интегрировать поведенческие модели (такие как Минимизация Сожаления / RMM) для повышения точности прогнозов выбора и снижения стресса пользователя .
Стратегические Факторы: Создать методологию для оценки стратегических рисков, включая P(Exit Jam)(вероятность затора на выезде) и Predictive Utility of Egress (PUE) .
Требования:
Опыт ML / Алгоритмика (Ключевое): Обязателен опыт работы с алгоритмами Learning to Rank (LTR)(LambdaMART) и принципами Supervised Learning.
Моделирование Выбора: Глубокое знание Теории перспектив (Prospect Theory) и опыт работы с Моделями дискретного выбора (Choice Modeling, Mixed Logit) .
Прогностический Опыт: Опыт работы с прогностическими моделями (LSTM, BNN) для оценки вероятности событий (P(…)) и временными рядами.
Техническая База: Владение ML-стеком (TensorFlow, PyTorch или аналогичные фреймворки).