Data Science Engineer / Инженер по анализу данных / Инженер по машинному обучению /

Описание

Data Science Engineer / ML Engineer Прогнозирование спроса и управление заказами в сети кафе и ресторанов Мы создаём интеллектуальную систему управления заказами, запасами и производством для крупной сети предприятий общественного питания. Ищем Data Science Engineer, который разработает модели, помогающие точно прогнозировать спрос, автоматически формировать заказы, планировать производство и снижать списания. Это позиция для специалиста, которому интересно не просто обучать модели, а внедрять их в реальные операционные процессы: от склада и производства до кухни и конкретной точки продаж. Чем предстоит заниматься — разрабатывать и развивать ML-модели прогнозирования спроса по товарам, блюдам, точкам и временным интервалам;— создавать систему автоматического формирования заказов для кафе и ресторанов;— рассчитывать оптимальные уровни запасов с учётом сроков годности, остатков, поставок и производственных ограничений;— оптимизировать планирование производства полуфабрикатов и готовой продукции;— учитывать сезонность, погоду, праздники, акции, день недели, время суток и локальные особенности точек;— разрабатывать модели для снижения дефицита, излишков и списаний продукции;— проводить анализ продаж, остатков, поставок, производственных мощностей и операционных показателей;— создавать алгоритмы выявления аномалий в заказах, остатках и продажах;— проводить A/B-тесты и оценивать бизнес-эффект от внедрения моделей;— совместно с разработчиками интегрировать модели в действующую IT-инфраструктуру;— выстраивать мониторинг качества моделей и регулярно улучшать их после запуска. Что мы ожидаем — опыт работы Data Scientist, ML Engineer или Data Science Engineer от 3 лет;— уверенное владение Python, pandas, NumPy, scikit-learn;— хорошее знание SQL и опыт работы с большими объёмами транзакционных данных;— практический опыт построения моделей временных рядов и прогнозирования спроса;— понимание методов управления запасами, replenishment и supply chain optimization;— опыт работы с CatBoost, LightGBM, XGBoost или аналогичными инструментами;— знание методов оценки качества прогнозов: MAE, RMSE, MAPE, WAPE, bias;— умение переводить бизнес-задачу в математическую постановку и измеримый результат;— опыт внедрения моделей в production, а не только проведения исследований;— способность понятно объяснять результаты работы бизнес-команде. Будет преимуществом — опыт в FoodTech, retail, FMCG, ресторанном бизнесе или производстве продуктов питания;— опыт разработки систем автоматического заказа и пополнения запасов;— понимание специфики скоропортящихся товаров и управления сроками годности;— опыт оптимизации производственного планирования;— знание OR-Tools, Pyomo или других инструментов математической оптимизации;— опыт работы с Airflow, MLflow, Docker, Git и облачной инфраструктурой;— понимание MLOps и мониторинга моделей;— опыт работы с ERP, WMS, POS, системами складского и производственного учёта. Ключевые показатели результата — повышение точности прогноза спроса;— снижение списаний и избыточных запасов;— сокращение количества ситуаций отсутствия продукции;— повышение доступности блюд и товаров для гостей;— автоматизация формирования заказов;— повышение эффективности производства и использования складских запасов. Что предлагаем — работу над продуктом, напрямую влияющим на экономику;— доступ к большому объёму реальных данных о продажах, заказах, остатках и производстве;— возможность построить систему управления заказами практически с нуля;— прямое взаимодействие с бизнесом, IT-командой и операционными подразделениями;— свободу в выборе подходов, архитектуры моделей и инструментов;— конкурентный уровень дохода по результатам собеседования FIX+KPI;— формат работы обсуждается индивидуально. В отклике расскажите о проектах, где ваши модели были внедрены в production и дали измеримый бизнес-результат.