ML-инженер (CVM)

Описание роли

В позиции ML-инженера (CVM) вы станете ключевым специалистом, который отвечает за полный цикл разработки и внедрения ML-моделей для прогнозирования спроса и динамического ценообразования. С первых дней вы будете взаимодействовать с бизнес-командами и Data Engineering, чтобы обеспечить стабильную работу систем прогнозов и повысить эффективность логистики. Ваша основная задача — разрабатывать и поддерживать модели прогнозирования спроса на пиццу с учётом временных рядов и внешних факторов, а также настраивать Surge Pricing для оптимального ценообразования.
Ваши ключевые обязанности:
• Построение и оптимизация моделей прогнозирования спроса и операционной нагрузки пиццерий (ETA).
• Разработка алгоритмов динамического ценообразования и персонализированных рекомендаций (CVM).
• Проектирование и внедрение production-ready пайплайнов с использованием MLflow и MLOps-подходов.
• Создание и поддержка инфраструктуры Feature Store в едином хранилище данных.
• Проведение A/B-тестирования: дизайн экспериментов, сбор метрик, интерпретация результатов и оценка влияния моделей на бизнес-показатели.
• Связь технических метрик моделей (MAPE, RMSE) с юнит-экономикой (стоимость доставки, utilization, labor cost).

Уникальность вакансии

• Работа в сфере логистики и доставки пиццы — внедряйте современные ML-решения, влияющие на реальные процессы.
• Гибридный формат с возможностью удалённой работы и посещения офиса по мере необходимости.
• Интересные задачи в области CVM: реализация рекомендательных систем, персональное меню, апселл.
• Активное участие в развитии MLOps-культуры и внедрении передовых инструментов на уровне компании.
• Возможность видеть прямой экономический эффект от внедрения моделей и оптимизации процессов.

О компании

Dodo Brand — российская технологичная компания, стоящая за одним из крупнейших операторов доставки пиццы. Мы создаём внутренние цифровые продукты и решения, которые обеспечивают работу сотен пиццерий по всему миру. Наша миссия — делать доставку вкуснее, быстрее и эффективнее с помощью инноваций в Data Science и инженерии. Среди наших достижений — внедрение MLOps-платформы на базе MLflow, единого Feature Store и масштабируемых систем динамического ценообразования. По данным исследования, внедрение прогнозных моделей может сократить логистические издержки компаний до 15%.