ML Инженер (Demand Forecasting)

Мы – Advanced: команда профессионалов, увлечённых любимым делом. Наша миссия — помогать бизнесу и его сотрудникам достигать большего с помощью современных технологий планирования. Более 15 лет мы внедряем собственные и партнёрские инновационные решения для трансформации бизнес-планирования — от автоматизации процессов до прогнозирования и оптимизации с помощью ML-алгоритмов. Среди наших клиентов — крупнейшие компании из FMCG, ритейла, производства, фармы и других отраслей. Мы являемся официальным партнёром Optimacros — универсальной платформы для интегрированного бизнес-планирования. В Advanced нет классических иерархий — мы «бирюзовая» команда, где каждый играет важную роль и влияет на общее дело. Мы не только решаем сложные задачи, но и собираемся на настолки, обсуждаем книги и просто общаемся — в уютном лофте в центре Москвы или онлайн. Цель: Мы ищем Machine Learning инженера с фокусом на Demand Forecasting и Data-Driven Planning - специалиста с 2+ годами опыта в разработке и внедрении ML-моделей, способного проводить полный цикл работы с данными (от анализа и построения гипотез до промышленной эксплуатации моделей) в задачах прогнозирования спроса и смежных областях (Supply Planning, S&OP, IBP и др.) Обязанности: Анализировать данные, выявлять закономерности и формировать гипотезы Разрабатывать модели машинного обучения для полноценного внедрения от препроцессинга входящих данных до выкатки Общаться с клиентом и проектной командой Сбор требований, предпроектное обследование, в т.ч. ограничений и критерий успеха Разрабатывать быстрые пилотные проекты на входящих данных в сжатые сроки для демонстрации возможностей Сопровождать внедрение модели в промышленную эксплуатацию и поддерживать запущенные модели Поддерживать внутренние ML инструменты компании Требования: Высшее образование (экономическое, математическое) Опыт разработки моделей от 2х лет Python (3.11+) - уверенное владение, опыт написания production-кода Классический ML и методы работы с временными рядами Опыт разработки моделей прогнозирования спроса или аналогичных задач Опыт контейнеризации и развёртывания ML-сервисов Понимание жизненного цикла ML-проекта - от гипотезы до эксплуатации Библиотеки для работы с данными и feature engineering: pandas, numpy, polars (плюс) Классический ML: scikit-learn, XGBoost, LightGBM, CatBoost Разработка и тестирование: pytest, typing, git Контейнеризация и оркестрация: Docker, docker-compose CI/CD: GitLab CI / GitHub Actions API и сервисный слой: FastAPI / Flask Базы данных: SQL - базовые знания (PostgreSQL), ClickHouse (плюс) Временные ряды (плюс): statsmodels, prophet Мониторинг и логирование (плюс): Prometheus + Grafana (базово), ELK / Loki Дополнительно (плюс): Apache Spark / Dask, MLflow Условия: Активно развивающийся бизнес, амбициозные проекты ДМС (после испытательного срока) Уютный офис рядом с м. Таганская, возможность работать удаленно Снабжение всей необходимой техникой для работы 4 дополнительных дня отгулов в году (помимо отпуска 28 дней и 14 больничных дней)