Data Scientist (Маркетинг)

Задачи: — участие в создании и поддержке аналитических решений для повышения эффективности маркетинговых кампаний; — применение методов машинного обучения, особенно uplift-моделирования, для оптимизации взаимодействия с клиентами и повышения ROI; — построение uplift-моделей по сегментам для разных групп; — разработка uplift-моделей для различных номиналов промоакций с последующей оптимизацией; — прогнозирование RFM; — участие в проведении A/B тестов, расчет финансовых эффектов от внедрения моделей, генерация признаков для моделей. Требования: — базовое понимание статистики и теории вероятностей; — опыт работы с Python (Pandas, NumPy); — знание основ машинного обучения (линейная регрессия, деревья решений, случайный лес); — понимание концепции uplift-моделирования; — опыт работы с табличными данными; — понимание принципов распределенных вычислений (PySpark); — опыт коммерческой разработки. Технологии и инструменты: — работа с данными: pyspark, SQL, S3; — классический ML и uplift: Scikit-learn, XGBoost, LightGBM, CatBoost, scikit-uplift; — разработка и версионирование: Jupyter Notebook, VS Code/PyCharm, git; — ML инфраструктура: JupyterHub, MLFlow, Airflow, PostgreSQL; — ML: Transformers, SGLang, Triton; — процессы: Jira, Confluence.