Senior Data Scientist: персонализация и прогнозы

Bloomreach создает платформу для персонализации на основе ИИ. Вы присоединитесь к команде Artificial Intelligence, которая отвечает за алгоритмическое ядро платформы: прогнозы, контекстную персонализацию, контекстные бандиты, автосегментацию и агентные рабочие процессы Loomi. Работа с поведенческими данными в масштабе терабайт для более чем 1400 клиентов в продакшене.

Задачи

• Формулировать проблему до моделирования: превращать расплывчатый бизнес-вопрос в измеримую задачу.
• Работать с данными в масштабе: поведенческие данные, каталоги товаров и потоки событий в BigQuery и Databricks, поиск признаков с реальной предсказательной силой.
• Строить и оценивать модели для прогнозов и контекстной персонализации: склонность к оттоку и отток, контекстные бандиты, автосегментация, uplift и инкрементальность.
• Проектировать оценку, а не только модель: офлайн-метрики, бэктесты и дизайн A/B-тестов.
• Привносить методы извне и честно их оценивать: читать литературу, запускать быстрые PoC, отличать реальный результат от маркетингового.
• Чисто передавать модели ML-инженерам: документ и обсуждение, а не блокнот через стену.
• Объяснять результаты не-дата-сайентистам: продукту, руководству инженерии и иногда клиентам.

Требования

• 5+ лет создания ML-моделей, которые были внедрены и использовались кем-то кроме вас, в индустрии, а не только в исследованиях или учебе.
• Сильный Python и действительно сильный SQL. Комфортно работать с хранилищем данных и самостоятельно в нем разбираться.
• Прочная база в классическом ML: древовидные модели, регрессия, классификация, кластеризация, и понимание, когда простая модель — правильный ответ.
• Реальная строгость в дизайне экспериментов и оценке. Понимание, почему метрика изменилась и когда она не изменилась по предполагаемой причине.
• Комфорт на облачной платформе данных: мы работаем в GCP (BigQuery) и Databricks, но принципы переносимы.
• Количественная степень или эквивалентная практическая глубина.
• Рабочий английский, письменный и устный.
• Глубина как минимум в одном из трех направлений: моделирование и data science, ML-продуктовая инженерия, платформа и MLOps. Эта позиция сосредоточена на первом.

Условия

• Гибкость работы из любого места в регионе Центральной и Восточной Европы или в офисах в Братиславе (Словакия) или Брно, Праге (Чехия) на полную ставку.
• Через 12 месяцев успех выглядит так: две ваши модели в продакшене, и вы можете назвать бизнес-метрику, которую каждая из них улучшила; вопрос, который команда обсуждала, решен с доказательствами, и ваша запись — то, на что ссылаются; ML-инженеры описывают ваши передачи как легкие.