Data scientist в TravelTech

Описания нет

• вести ML-проекты от формулирования гипотез и постановки задач до получения измеримого бизнес-эффекта.
• Отвечать за весь цикл разработки, обеспечивая быстрый вывод решений в продакшен и поддерживая качество моделей в production.
• тесно работать с Data Engineers над построением надежных production-пайплайнов данных, а с Data Analysts — погружаться в бизнес-контекст, определять метрики и разрабатывать и оценивать A/B-тесты.
• переводить бизнес-цели в математические модели.
• предсказание метрик — временные ряды, классический ML
• альтернативный поиск — рекомендательные системы и ранжирование для поиска альтернатив недоступным тарифам
• многокритериальная оптимизация — балансировка максимизации маржинальности и минимизации количества инцидентов
• разрабатывать, обучать и валидировать ML-модели для проверки продуктовых гипотез и проактивного улучшения пользовательского опыта B2B-клиентов.

• от 4 лет практического опыта в роли Data Scientist или ML Engineer.
• умение глубоко погружаться в данные, находить первопричины бизнес-проблем и переводить бизнес-цели в понятные ML-задачи, а не просто оптимизировать метрики моделей в отрыве от бизнес-контекста.
• уверенное знание классического Machine Learning: Gradient Boosting (CatBoost/LightGBM), классификация, регрессия.
• подтвержденный опыт решения задач entity matching, глубокое понимание подходов к построению рекомендательных систем и ранжированию — KNN, FAISS, Learning-to-Rank, pointwise / pairwise / listwise подходы.
• уверенный опыт работы с большими объемами данных (мы обрабатываем терабайты данных ежедневно).
• Отличное знание SQL и практический опыт построения пайплайнов с использованием PySpark.
• умение писать production-quality код на Python, покрывать код тестами и самостоятельно доводить модели до продакшена.
• Опыт работы с Airflow и Python-микросервисами будет необходим.
• разговорный английский на уровне B1 (Intermediate) или выше.
• Будет плюсом: опыт работы в TravelTech, E-commerce или с B2B API; понимание специфики отелей, тарифов и дистрибьюторов; базовые знания NLP, понимание принципов работы текстовых эмбеддингов и способов их обучения. Особенно полезно для задач сопоставления текстовых описаний тарифов, типов номеров и условий отмены бронирования; опыт работы с динамическим ценообразованием, многокритериальной оптимизацией или системами Next Best Action (NBA); хорошая база по теории вероятностей и математической статистике для корректного проектирования экспериментов и оценки моделей

• Условий в вакансии нет