Machine Learning Engineer Offline
Як працюється в ROZETKA? Відверта книга про компанію, її команду та цінності: book.rozetka.ua
Як ML Engineer, ви приєднаєтесь до команди DS Rozetka та будете працювати над створенням та вдосконаленням систем цiноутворення та прогнозування продажів на e-commerce платформi Rozetka. Вашим основним завданням буде ефективний дизайн та не менш ефективна реалізація систем, що допомагають оптимізувати управління продажами, запасами та ціноутворенням, на базі глибокого навчання та математичної оптимізації. У перспективі — team/tech лідерство команди ціноутворення.
Зі свого боку ми пропонуємо:
• Гідну та своєчасну виплату заробітної плати;
• Фіксований період перегляду заробітної плати;
• Можливість купувати товари Rozetka.ua за спеціальними цінами для співробітників;
• Оформлення з першого робочого дня;
• Оплачувана відпустка — 20 робочих днів на рік та оплачувані лікарняні;
• Медичне страхування;
• Цікаві завдання, які дадуть Вам можливість розвивати і вдосконалювати Ваш потенціал;
• Фіксовані задачі на період адаптаціі у супроводі Наставника, Тім Ліда, HR, PO;
• Компенсація командних тімбілдингів;
• Зручний графік;
• Можливість працювати в офісі або віддалено (на вибір);
• Безкоштовні курси вивчення англійської мови;
• Оплачуване Компанією зовнішнє навчання;
• Дружний і професійний колектив.
Чим потрібно займатися:
• Розробка та вдосконалення моделей машинного навчання для прогнозування попиту та оптимізації управління запасами, ціноутворення. Створення відповідної інфраструктури та управління життєвим циклом подібних моделей у продакшн-сетапі.
Що для цього потрібно:
• Досвід роботи на аналогічній посаді від 2х років;
• Досвід роботи з Deep Learning фреймворками (Tensorflow / PyTorch) — обов`язково
• Впевнене володіння Python 3.х,VCS (git), CI/CD практиками;
• Досвід розробки мікросервісів та API (flask, fastAPI, etc.);
• Впевнене володіння ML інструментами для аналізу та візуалізації даних (scientific Python toolkit — numpy, pandas, scikit-learn, etc.);
• Впевнене знання теоретичних аспектів машинного навчання — боротьба з перенавчанням, валідація, метрики, підбір гіперпараметрів, інтерпретація результатів, плюси/мінуси різних підходів та моделей — та відповідний практичний досвід;
• Досвід роботи з інструментами контейнеризації та оркестрації (docker, Kubernetes etc.)
• Критичне мислення, вміння працювати як самостійно, так і у команді / лідити міні-проекти;
• Знання вищої математики, статистики та теорії ймовірностей: перевага віддається освіті, пов’язаній з комп’ютерними науками.
Буде плюсом:
• Досвід роботи software engineer-ом / python developer-ом
• Вig data / out-of-core learning стек (pyspark, vaex, dask, apache beam, etc.) — вас не лякають об’єми даних, що більше, ніж вміщується на сторінку Excel;
• Досвід написання мікросервісів;
• Досвід роботи з часовими рядами та послідовностями (особливості часової валідації, бектестинг, ARIMA, prophet, RNNs, seq2seq моделі, etc.);
• Знання сd4ml практик (пайплайни, валідація даних, автоматизація тренування/версіонування моделей та датасетів, візуалізація метрик — Tensorflow Extended, DVC, neptune.ai, mlflow, wandb, і т.д.);
• Імплементація наукових статей у код: ArXiv/ResearchGate стаття -> prototype_finally_works.ipynb / even_refactored_in_py_file_with_cli.py;
• Сертифіковане закінчення курсів ML / AI (Coursera, EDX і т.д.);
• Знання SQL.