Наша команда занимается оптимизацией коммуникаций с пользователями Ozon. Мы регулируем рассылку пушей, нотификаций и писем таким образом, чтобы вырастить ключевые метрики и при этом улучшить пользовательский опыт. Для этого мы используем классические алгоритмы рекомендаций, которые планируем дополнить современными подходами на основе Uplift-моделированию и линейной оптимизации.
Наше направление появилось в Ozon совсем недавно — мы первая команда, которая занимается улучшением коммуникаций с помощью ML full-time. Это означает отсутствие legacy-кода, а также возможность построить действительно качественную систему коммуникаций c чистого листа. Кроме того, мы напрямую влияем на опыт пользователей, а значит, результат нашей работы отражается на восприятии пользователями всего продукта Ozon.
Наш стек:
Python, Pyspark, Clickhouse, Airflow, Mlfow, Hadoop
Вам предстоит:
- Изучать статьи и предлагать гипотезы по улучшению качества алгоритмов
- Искать подходящие решения с учетом ценности для бизнеса
- Внедрять новые подходы в рамках всего жизненного цикла ML-моделей: от написания прототипа до деплоя в продакшн
- Запускать АВ-тесты для проверки гипотез
Мы ожидаем:
- Отличное знание Python
- Знание основных алгоритмов рекомендаций, а также классических алгоритмов машинного обучения
- Понимание теоретических принципов в основе классического ML и Deep Learning
- Опыт работы с big data, знание hadoop-стека и Spark
Будет плюсом:
- Опыт работы с нейросетями в рекомендациях
- Опыт в Uplift-моделировании, прогнозировании оттока, рекомендательных системах
- Опыт дизайна и проведения AB тестов
Мы предлагаем:
- Возможность напрямую улучшать пользовательский опыт и видеть результат
- своей работы
- Data-driven подход: решения принимаются на основе АВ-тестов
- Возможность расти и развиваться в команде профессионалов
- Прозрачное performance review по объективным измеримым критериям
- Участие в конференциях
- Достойный уровень заработной платы
