ML-инженер (OOS/Pricing)

Описание роли

На позиции ML-инженера в команде OOS/Pricing вы возьмёте на себя ответственность за разработку и внедрение моделей машинного обучения, которые позволяют прогнозировать доступность товаров (out-of-stock, OOS) и оптимизировать цены в режиме реального времени. Ваша ключевая цель — минимизировать количество пропущенных продаж и повысить прибыль за счёт динамического ценообразования. Для этого вы будете вовлечены во все этапы полного ML-цикла:
• Формулировка гипотез и проведение исследовательского ресерча на основе статистики продаж и сезонных паттернов;
• Сбор, очистка и анализ данных (EDA, feature engineering), подготовка признаков для моделей;
• Разработка и обучение classic ML-алгоритмов и моделей прогнозирования временных рядов;
• Построение real-time и batch ML-систем в распределённой инфраструктуре;
• Проведение A/B-тестов и валидация моделей для оценки стабильности и эффективности решений;
• Продакшн-внедрение, настройка мониторинга, алертинга и регулярное обновление моделей.

Эта роль подходит тем, кто имеет опыт вывода ML-моделей в продакшн, разбирается в особенностях e-commerce и готов влиять на ключевые бизнес-показатели компании.

Особенности вакансии

Выбирая ML-инженера команды OOS/Pricing в Купер, вы получаете:
• Свободу выбора инструментов и библиотек (scikit-learn, TensorFlow, PyTorch, Airflow и др.);
• Гибкий график и возможность работать из любой точки мира;
• Доступ к обширному датасету с миллионами транзакций и внутренним BI-инструментам;
• Участие в проекте B2C E-commerce с высокими нагрузками и масштабируемостью;
• Влияние на рост конверсии и оптимизацию товарных запасов;
• Регулярные code review, технические митапы и обмен опытом внутри сильной команды;
• Поддержку внедрения ваших инициатив и автоматизацию рутинных процессов.

О компании

Купер — это технологичная компания в сегменте B2C E-commerce, которая разрабатывает решения для ритейла. Наша миссия — сделать онлайн-шопинг удобным и выгодным для пользователей, а партнёрские магазины — более рентабельными. За последние годы компания добилась:
• Снижения отказов по причине OOS на 20% за счёт предиктивного анализа;
• Увеличения средней конверсии на 15% благодаря динамическим ценовым стратегиям;
• Запуска платформы с real-time рекомендациями и персонализированными офферами;
• Проведения внутренних хакатонов и тех-митапов для развития сотрудников.

В Купере ценят инициативу и поддерживают профессиональный рост: специалисты посещают профильные конференции, получают доступ к образовательным платформам и проходят внутренние курсы по ML и аналитике.