Именно CVM позволяет укрепить имидж бренда и стимулирует повторные покупки.
А как это сделать ещё лучше? Конечно погрузившись в данные с помощью PySpark и строить модели, двигаясь от простого sklearn к интересным моделям возвращения клиентов LSTM/RNN на TensorFlow.

Используя персонализацию, наша команда превращает случайного покупателя в постоянного. В этом нам помогают алгоритмы поиска закономерностей, модели машинного обучения и нейронные сети.

Как мы работаем? Лучшие практики из LeanDS подходят под общую коммуникацию с внутренними заказчиками. Команда ценит репрезентативность моделей, поэтому финальные решения и ключевые этапа проектов всегда включают в себя Test-Driven разработку с трекингом через DVC.

Чем ты будешь заниматься

• Участвовать в полном цикле создания моделей (от data collection до model serving) для проектов по определению Consumer Choice;
• Поддерживать и контролировать метрики моделей, консультировать пользователей по работе ML-моделей;
• Интерпретировать результаты функционирования моделей машинного обучения;
• Конструировать признаки для ML-моделей (feature engineering);
• Разрабатывать и стандартизировать ML-пайплайны;
• Создавать и проверять гипотезы, проводить А/В тесты;
• Развивать практики MLOps (ревью кода и методов модели, верификация экспериментов, версионирование и т.д.).

Что тебе нужно уметь

• Python (библиотеки numpy, scipy, pandas, sklearn, DL: tensorflow/keras/ pytorch (приоритет tensorflow/keras));
• SQL (для работы с Teradata, DB2, Oracle);
• Хорошее знание основ статистики и теории вероятности;
• Понимание алгоритмов ML и DL.

Стек: Python, PySpark, SQL

Мы предлагаем:

• График работы 5/2 с гибким началом;
• ДМС;
• Возможность работать в офисе в Москве и удаленно;
• Развитие – мы оплачиваем обучение на курсах/конференциях.