Data Scientist

Python
Альфа Ойл развивает внутреннюю Data Science-команду. Уже выстроена инфраструктура данных — DWH, витрины и BI-отчётность. Команда небольшая, с высокой автономностью.
Фокус проекта: маркетинг и клиентская аналитика: сегментация, персонализация, рекомендательные модели. Далее — расширение на другие направления бизнеса.
Задачи:

• Переводить бизнес-цели в ML-задачи, определять метрики успеха;


• Проводить EDA, статистический анализ и проверку гипотез;


• Разрабатывать фичи и обучать модели на данных из DWH;


• Создавать и тестировать модели сегментации клиентов и рекомендательные алгоритмы (ALS/BPR, бустинг, похожесть, ранжирование).


• Обеспечивать интерпретируемость решений (FE, SHAP/LIME и т.д.) и подготовку выводов для бизнеса;


• Совместно с DE и BI интегрировать результаты (сегменты, скоринги) в витрины данных, Power BI или иные системы;


• Оценивать эффекты кампаний (uplift, ROI), участвовать в A/B-тестах;Документировать подходы и обеспечивать воспроизводимость решений.

Требования:

• Уверенный Python: pandas/polars, numpy, scikit-learn, xgboost/catboost и другие типовые библиотеки DS;


• Классический ML: регрессия, бустинг, кластеризация, ранжирование;


• SQL на уровне уверенной работы с витринами и аналитическими запросами;


• Понимание метрик качества и бизнес-эффекта (uplift, ROI);


• Опыт работы с транзакционными/клиентскими данными (ритейл, e-commerce, лояльность);


• Умение донести результаты и предложить бизнес-интерпретацию.

Будет плюсом

• Опыт деплоя моделей: batch-скоринг, сохранение в витрины, трекинг экспериментов (MLflow или аналоги);


• Навык настройки простых оркестраций (Airflow или аналоги);


• Опыт A/B-тестов, CUPED/стратификация;


• Знание PyTorch/TensorFlow, NLP/LLM — как направление развития (у компании есть текущие проекты);


• Опыт работы с ClickHouse/Postgres.

Почему стоит

• Проекты с прямым влиянием на выручку и удержание клиентов;


• Большие реальные данные (>500 млн строк), готовая инфраструктура;


• Свобода выбора инструментов и подходов;


• Участие в формировании Data Science-практики компании.

Откликнуться

​
EditPublish