ML-инженер (OOS/Pricing)

Описание роли

На позиции ML-инженера команды OOS/Pricing вы будете отвечать за полный цикл разработки и внедрения решений Machine Learning в процессы прогнозирования доступности товаров и динамической оптимизации цен в e-commerce. Вы проводите глубокий EDA, формулируете и проверяете гипотезы с помощью A/B Testing, а также создаёте, тренируете и деплоите модели real-time и batch ML. Ваш технический стек включает Python, SQL, scikit-learn, TensorFlow/PyTorch, Docker, Kubernetes, REST API и облачные сервисы AWS или GCP. Важной частью работы станет интеграция готовых моделей в продакшн-окружение, настройка мониторинга метрик, обеспечение reproducibility экспериментов и поддержка CI/CD-процессов для ML-пайплайнов. Вы тесно взаимодействуете с продакт-менеджерами, аналитиками и другими ML-инженерами, участвуете в code review, документируете архитектуру решений и делитесь экспертизой с командой.

Особенности вакансии

— Полностью удалённый формат работы с гибким графиком, позволяющим эффективно планировать рабочее время и личные проекты.
— Конкурентная зарплата 250 000–400 000 ₽ в месяц (примерно 3 300 USD) на уровне рынка e-commerce.
— Возможность влиять на ключевые бизнес-решения и повышать KPI компании за счёт внедрения ML-решений.
— Работа с современным техническим стеком: Python, SQL, A/B Testing, real-time ML и batch Processing.
— Доступ к внутренним и внешним образовательным программам по Data Science, участие в профильных конференциях и встречах community.

О компании Купер

Купер — амбициозная e-commerce компания, фокусирующаяся на оптимизации ассортимента и ценовой политики с помощью передовых ML-технологий. Миссия компании — обеспечить пользователей актуальными предложениями в режиме реального времени и минимизировать количество out-of-stock. В Купер ценят инициативность, ответственность и стремление к инновациям: команда активно развивает инфраструктуру для масштабируемых ML-систем. Среди достижений компании — внедрение моделей, позволяющих повысить точность прогноза спроса на 15% и сократить время реакции на изменение спроса до секунд.
Отдельные преимущества:
— Культура открытого обмена знаниями и менторские программы для быстрого включения в проекты.
— Регулярные внутренние митапы, хакатоны и конкурсы по Data Science.
— Прозрачная система оценки результатов и четкие перспективы карьерного роста.