Зараз шукаємо сильного Data Scientist Generalist із продуктовим мисленням та практичним досвідом доведення ML-рішень до production.
Це роль не про ізольовані дослідження в Jupyter Notebook. Шукаємо фахівця, який вміє взяти бізнес-задачу, трансформувати її в ML-архітектуру, розробити модель, задеплоїти в продакшн разом із командою та виміряти реальний грошовий або метричний ефект через A/B-тести.
Чим потрібно займатися?
Працювати над двома великими блоками ML-продуктів у тісній зв'язці з аналітиками, MLOps, Product Managers та комерційним блоком.
Внутрішні ML-рішення (Pricing, Operations & Promo):
Forecasting: Прогнозування попиту, продажів, замовлень та складських потреб (time series).
Retention & Pricing: Моделювання Churn / Repeat Purchase, цінової еластичності (Price Elasticity) та реакції на промо.
Promo Optimization: Оцінка ROI промо-кампаній, incremental revenue/margin, ефектів канібалізації та halo-ефекту.
Продуктові ML-рішення (Customer Experience):
RecSys & Ranking: Розробка кандидатів (candidate generation), персоналізоване ранжування (Learning-to-Rank, embeddings), cross-sell та комплементарні рекомендації.
Production & Monitoring: Інтеграція моделей у продуктові сервіси, моніторинг якості в продакшні (data & model drift).
Експерименти та методологія:
Дизайн, проведення та аналіз A/B-тестів.
Оцінка причинно-наслідкових ефектів (Causal Inference).
Методологічна підтримка продуктових та аналітичних команд.
Що для нас важливо (Must-have)
Класичний ML: Сильна база в класичному ML (classification, regression, feature engineering, temporal validation, leakage prevention).
Стек: Впевнений Python та складний SQL.
A/B Testing: Глибоке розуміння математики та практики дизайну й оцінки експериментів.
Експертиза в e-commerce: Практичний досвід принаймні у двох із наведених напрямів:
Recommender Systems / Ranking;
Time Series / Forecasting;
Pricing & Promo Optimization;
Causal Inference / Experimentation.
Production-mindset: Розуміння повного циклу ML (inference, orchestration, versioning, monitoring, retraining).
Бізнес-орієнтованість: Вміння переводити мову бізнес-метрики (ROI, Margin, LTV) у мову ML-оптимізації та навпаки.
Буде додатковим плюсом
Досвід з AWS / SageMaker, dbt, MLOps-інструментами.
Практика з Uplift modeling та Causal Inference.
Досвід розробки ієрархічного або ймовірнісного прогнозування (Probabilistic / Hierarchical Forecasting).
Робота з Vector Search, Embeddings та Retrieval-системами.
Яким бачимо кандидата:
Сильний DS generalist із production мисленням і глибокою експертизою в кількох ML-напрямах. Ми не очікуємо однаково сильного досвіду у forecasting, recommendations, pricing і causal inference - важливіше вміти правильно поставити задачу, вибрати метод і довести рішення до практичного використання.
Що пропонуємо
Вплив на продукт: ваші моделі безпосередньо впливатимуть на конверсію, маржинальність та досвід мільйонів користувачів.
Зріла культура даних: доступ до якісної інфраструктури та підтримка з боку Data Engineering та Analytics.
Мінімум бюрократії: швидке прийняття рішень та фокус на реальному результаті, а не на формальних звітах.
Гнучкі умови: віддалений формат роботи (або гібрид), гнучкий графік, професійний розвиток та перегляд винагороди за результатами роботи.
Чому MAUDAU це круто?
Ти матимеш вплив на продукт made in Ukraine, яким користуються тисячі і мільйони;
Ти будеш частиною скілової tech команди;
Ти матимеш справжні виклики та амбітні цілі;
Ти будеш працювати з крутою командою однодумців та відкритим керівництвом;
Регулярно отримуватимеш новини компанії у вигляді дайджестів та зустрічей All Hands;
Ти будеш отримувати своєчасний та відкритий зворотній зв’язок;
Як працює наша tech команда?
Маємо зрозумілий code style;
Не гальмуємо: лише up-to-date фреймворки, бібліотеки і технології;
Працюємо з технічним боргом щоквартально;
Працюємо у self-organized scrum team, де кожен має вплив на проце
