Чем предстоит заниматься:
- Генерировать и тестировать гипотезы и внедрять их в продакшен.
- Разрабатывать и улучшать uplift-модели для оценки эффекта маркетинговых кампаний.
- Строить систему персонализированного кэшбека и подбора акций.
- Работать над полным циклом ML-проектов: от сбора данных и ETL до развертывания моделей и мониторинга.
- Оптимизировать алгоритмы выбора предложений в условиях большого пространства возможных акций.
- Взаимодействовать с Product-менеджерами и аналитиками для интеграции решений.
Требования:
- Опыт работы с Python, PySpark (или аналогичными инструментами для обработки больших данных).
- Понимание ETL-процессов, feature engineering и работы с данными.
- Знание классических ML-методов (CatBoost, LightGBM, scikit-learn).
- Опыт работы с A/B-тестированием и метриками оценки эффективности маркетинговых кампаний.
- Умение проектировать и поддерживать AirFlow-пайплайны (или аналоги).
Будет плюсом:
- Опыт в uplift-моделировании (методы T-Learner, S-Learner, Two-Model Approach и др.).
- Разработка методов оптимизации в больших пространствах (например, подбор лучших акций среди сотен вариантов).
- Опыт работы с ClickHouse, S3 или аналогичными хранилищами.
- Знание основ эконометрики и Causal Inference.
- Понимание продуктовых особенностей кэшбек-систем и механик промо.