Исследователь больших данных/ Middle+ MLE (GeoML)

Дата размещения вакансии: 11.03.2026
Работодатель: Лента, федеральная розничная сеть
Уровень зарплаты:
з/п не указана
Город:
Москва
Требуемый опыт работы:
От 3 до 6 лет

Лента — федеральный продуктовый ритейлер России.

Мы в департаменте BIG DATA Ленты строим внутренние продукты, которые зарабатывают деньги и улучшают опыт наших покупателей.

Сейчас мы в поиске Исследователя больших данных (GeoML)

О команде:

  • Кросс-функциональная команда DS/MLE/DevOps;
  • Сами генерим идеи и доводим их до прода;
  • Используем передовой стек, стараемся сначала думать и проектировать, а потом делать;
  • Регулярно проводим Code Review;
  • Стараемся придерживаться методологий ModelOPS - модели не заканчиваются в ноутбуках;
  • Работаем по Scrum

Ваши задачи:

  • Разработка ML-моделей для различных проектов в стриме Geo

    (прогнозные модели для открытий новых локаций);

  • Разработка пайплайнов обработки данных на Python, поддержка и выкатка моделей в прод;
  • Исследования по улучшению качества моделей;
  • Мониторинг качества моделей, фичей;
  • Система тестов обработки данных
  • Разработка сценариев CI/CD

Ждем от вас:

  • Считать, что ML - не цель, а средство решения бизнес-задачи;
  • Проактивность (не ждёт ТЗ от менеджеров, а предлагает варианты решения проблемы)
  • Понимание, как обученную гео-модель довести до прода;
  • Способеность взять небольшой проект и довести его от идеи до результата (желательно финансового);
  • Возможность обучить ML-модель и упаковывать её в рабочий сервис и поставить расчеты на расписание;
  • Опыт работы от 3+ лет

Тех скиллы:

  • Python - Писать качественный читаемый код
  • PySpark, Postgres - Хорошее знание SQL и работа с распределенными вычислениями
  • Airflow, Grafana - Постановка задач на расписание и мониторинг основных метрик
  • Git, DVC, MLFlow - Умение работать с системой контроля версий кода и трекать ML-эксперименты
  • Docker - Разработанный ML-сервис должен быть упакован в контейнер для дальнейшего использования
  • Матстат, методы оптимизации, ML-методы - Хорошее понимание работы ML-моделей и способов их применения для оптимизации бизнес задач

Наш стэк:

Яндекс Облако, PySpark в k8s, Jupyterhub, Airflow, MLFlow, Postgres, Gitlab, Grafana

Мы предлагаем:

  • Оформление в штат аккредитованной IT-компании с первого рабочего дня
  • Годовое премирование на основании результатов
  • Компенсационный пакет - ДМС со стоматологией
  • Официальную оплату труда
  • Удобный формат работы
  • Корпоративные скидки

В сопроводительном письме укажите, пожалуйста:

  • почему вы откликнулись (почему в поиске и что хотели бы найти для себя)
  • на какой уровень заработной планы ориентируетесь