Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
Команда прогнозирует спрос на десятки миллионов товаров, продаваемых на Ozon, чтобы селлеры могли планировать ассортимент и поставки по складам по всей России. Продукт обслуживает нескольких бизнес-заказчиков и должен оставаться масштабируемым; основная часть работы связана с production, меньшая — с исследованиями. Команда использует классическое машинное обучение на табличных данных и нейронные сети на архитектуре Transformer, обученные на временных рядах.
задачи
Прогнозировать спрос на товары без истории продаж, разрабатывая модели холодного старта на основе атрибутов товара, категории, характеристик продавца и информации об аналогах;
Разрабатывать модели классификации спроса для регулярно продающихся товаров, предсказывая наличие продаж в горизонте прогнозирования;
Строить и поддерживать production-пайплайны для расчёта признаков, обучения и инференса моделей на больших объёмах данных;
Оценивать качество моделей и их влияние на бизнес-метрики совместно с заказчиками.
требования
Уверенно знать классические алгоритмы машинного обучения: линейные модели, деревья решений и градиентный бустинг; иметь практический опыт их применения в production;
Уверенно владеть PySpark, обрабатывать большие объёмы данных, оптимизировать Spark-задачи и понимать партиционирование, shuffle и особенности распределённых вычислений;
Уверенно владеть оконными функциями в Spark SQL и SQL, включая расчёт лагов, скользящих агрегатов и ранжирований для временных рядов;
Иметь опыт разработки и поддержки пайплайнов в Airflow;
.svg)
