fokcus

Старший Data Scientist

Авито · гибрид

по договорённости

Опубликовано 14 дн назад

Открыть в источнике
Как распознать мошенников

Настоящий работодатель не просит войти через iCloud или Apple ID, прислать коды из SMS, установить программу для «тестового задания», перевести деньги или оплатить обучение. Если просят — это не работа.

senior
Свежая вакансия Появилась 14 дн назад

Старший Data Scientist в команду Авито Путешествия

Примеры будущих задач

  • побаерные промо: модель, которая определяет, какому пользователю какой оффер отдать (скидка, кэшбек, бонусные ночи), чтобы максимизировать конверсию при контроле бюджета;
  • поайтемные промо: выбор объектов для продвижения в выдаче — какие объявления «подсветить», чтобы поднять GMV и улучшить матчинг спроса и предложения;
  • uplift-модели для промо-кампаний: отделить тех, кого промо реально сдвинет, от тех, кто купил бы и так;
  • модели ценовой эластичности спроса: как изменится букинг при изменении цены на X% для данного сегмента / региона / сезона;
  • прогнозирование спроса (demand forecasting): кратко- и среднесрочные прогнозы на уровне регионов, дат, категорий жилья — для оптимизации аллокации промо-бюджетов и планирования стока;
  • дизайн и анализ A/B-тестов для ценовых и промо-интервенций (с учётом сетевых эффектов маркетплейса, switchback-дизайны);
  • каузальный инференс: оценка эффекта промо и ценовых изменений в ситуациях, когда чистый A/B невозможен (diff-in-diff, synthetic control, instrumental variables).

Вам предстоит

  • проектировать и строить ML-системы для ценообразования, промо-аллокации и прогнозирования спроса — от постановки до продакшена;
  • декомпозировать бизнес-задачи в ML/оптимизационные постановки. Понимать что именно мы должны оптимизировать и где использовать ML, а где обойтись подходами проще;
  • проектировать и анализировать эксперименты (A/B, switchback, каузальный инференс), валидировать модели на оффлайн- и онлайн-метриках;
  • встраивать модели в продукт: realtime/batch пайплайны, интеграция с сервисами бекенда;
  • обеспечивать зрелость ML-систем: мониторинг, алерты, тесты, документация, воспроизводимость экспериментов;
  • влиять на продуктовые и бизнес-решения через данные — объяснять результаты стейкхолдерам и продакт-менеджерам.

Откликнуться

Python Job в Telegram | в VK | в Max

Навыки

PythonMLA/B testingcausal inference
Показать как в источнике 
Старший Data Scientist в команду Авито Путешествия
#удаленка #гибрид
Компания: Авито

🔹Примеры будущих задач:
— побаерные промо: модель, которая определяет, какому пользователю какой оффер отдать (скидка, кэшбек, бонусные ночи), чтобы максимизировать конверсию при контроле бюджета;
— поайтемные промо: выбор объектов для продвижения в выдаче — какие объявления «подсветить», чтобы поднять GMV и улучшить матчинг спроса и предложения;
— uplift-модели для промо-кампаний: отделить тех, кого промо реально сдвинет, от тех, кто купил бы и так;
— модели ценовой эластичности спроса: как изменится букинг при изменении цены на X% для данного сегмента / региона / сезона;
— прогнозирование спроса (demand forecasting): кратко- и среднесрочные прогнозы на уровне регионов, дат, категорий жилья — для оптимизации аллокации промо-бюджетов и планирования стока;
— дизайн и анализ A/B-тестов для ценовых и промо-интервенций (с учётом сетевых эффектов маркетплейса, switchback-дизайны);
— каузальный инференс: оценка эффекта промо и ценовых изменений в ситуациях, когда чистый A/B невозможен (diff-in-diff, synthetic control, instrumental variables).

🔹Вам предстоит:
— проектировать и строить ML-системы для ценообразования, промо-аллокации и прогнозирования спроса — от постановки до продакшена;
— декомпозировать бизнес-задачи в ML/оптимизационные постановки. Понимать что именно мы должны оптимизировать и где использовать ML, а где обойтись подходами проще;
— проектировать и анализировать эксперименты (A/B, switchback, каузальный инференс), валидировать модели на оффлайн- и онлайн-метриках;
— встраивать модели в продукт: realtime/batch пайплайны, интеграция с сервисами бекенда;
— обеспечивать зрелость ML-систем: мониторинг, алерты, тесты, документация, воспроизводимость экспериментов;
— влиять на продуктовые и бизнес-решения через данные — объяснять результаты стейкхолдерам и продакт-менеджерам.

Откликнуться

Python Job  в Telegram | в VK | в Max
Пожаловаться

Похожие вакансии