Applied ML engineer (python) in dynamic pricing

Мы создаём качественный софт и расширяем технологические возможности бизнеса с 1993 года. Наши заказчики — лидеры в сферах фармацевтики, здравоохранения, медиа и безопасности. Уже 5 лет мы успешно развиваем цифровые продукты для одной из ведущих российских авиакомпаний. В настоящее время мы ищем опытного прикладного ML-инженера на проект создания системы динамического ценообразования для дополнительных услуг авиакомпании (багаж, выбор мест, питание и другие сопутствующие услуги).

• Разработка ML-моделей: прогнозирование вероятности покупки дополнительных услуг при разных ценах, оптимизация ценовых решений, построение нейросетевых моделей.
• Экспериментальная методология: проектирование контролируемого исследования (controlled exploration) в допустимом диапазоне цен, правил рандомизации, вероятностей назначения ценовых вариантов и ограничений безопасности.
• A/B-тестирование: дизайн контролируемых экспериментов для сравнения новой политики ценообразования с текущей, определение основных (primary) и защитных (guardrail) метрик, критериев остановки и условий развёртывания (rollout).
• Полный жизненный цикл машинного обучения: обучение, валидация, инференс, периодическое переобучение, версионирование моделей, цикл обратной связи между предсказаниями, решениями и фактическими результатами.
• Разработка: реализация сквозного ML-прототипа, включая минимальные HTTP API, хранение данных и имитацию внешней системы бронирования.
• Логирование и данные: корректная фиксация назначенных цен, экспериментальных вариантов, вероятностей назначения, фактов покупки и бизнес-метрик.

• Уверенное владение Python, NumPy, pandas, scikit-learn, PyTorch или TensorFlow, а также C# для интеграции с бэкендом.
• Опыт разработки, обучения и применения ML-моделей, включая нейронные сети, инженерию признаков (feature engineering) и работу с табличными данными.
• Понимание математических основ машинного обучения, теории вероятностей, статистики, методов оптимизации и принципов A/B-тестирования.
• Способность проектировать контролируемое исследование (controlled exploration), правила рандомизации, основные и защитные метрики для ценовых экспериментов.
• Опыт организации полного жизненного цикла машинного обучения: обучение, валидация, инференс, переобучение, версионирование и обратная связь.
• Уверенное владение SQL, PostgreSQL, Git, Docker и навыки разработки Python-приложений с автотестами.
• Будет плюсом: Опыт в динамическом ценообразовании и оптимизации выручки (revenue optimization): прогнозирование спроса, ценовая эластичность, готовность платить; Знакомство с продвинутыми методами причинно-следственного анализа (causal inference) и последовательного принятия решений (sequential decision making): контекстные многорукие бандиты (contextual bandits), off-policy evaluation, IPW, doubly robust estimation; Знакомство с MLOps-инструментами (MLflow, оркестрация, мониторинг моделей) и опыт эксплуатации ML-сервисов; Опыт работы в авиационной отрасли, электронной коммерции или управлении доходами (revenue management)

• официальное оформление, белая зарплата, отпуск согласно ТК РФ;
• ДМС, 100% оплата больничных;
• работа удалённо;
• корпоративный ноутбук для удалённой работы;
• возможности профессионального роста.