Middle Data Scientis, RecSys, Ozon Банк

Ozon Банк — компания, в которой тесно переплетаются финансы и IT. Мы создаём новые для рынка продукты и сервисы для физических и юридических лиц. Гордимся атмосферой в командах: каждый сотрудник может влиять на процессы и пути к результату.
Мы ищем Middle DS в команду RecSys. Команда занимается всеми задачами Ozon Банка, связанными с ранжированием. Наша цель — создание мощной платформы, которая поможет развивать различные направления бизнеса с помощью персонализации.
На данной позиции предстоит работать над оптимизацией персоналзированной кэшбэк-системы. Подбирать и настраивать различные акционные предложения, релевантные клиентам. Решения напрямую влияют на эффективность маркетинговых активностей, удовлетворенность клиентов и рост клиентской базы Банка.

Основной стек: Python, Spark, ClickHouse, S3, PyTorch, Catboost, LightGBM, MLFlow, AirFlow

Вам предстоит:

• Генерировать и тестировать гипотезы и внедрять их в продакшен.
• Разрабатывать и улучшать uplift-модели для оценки эффекта маркетинговых кампаний.
• Строить систему персонализированного кэшбека и подбора акций.
• Работать над полным циклом ML-проектов: от сбора данных и ETL до развертывания моделей и мониторинга.
• Оптимизировать алгоритмы выбора предложений в условиях большого пространства возможных акций.
• Взаимодействовать с Product-менеджерами и аналитиками для интеграции решений.

Мы ожидаем:

• Опыт работы с Python, PySpark (или аналогичными инструментами для обработки больших данных).
• Понимание ETL-процессов, feature engineering и работы с данными.
• Знание классических ML-методов (CatBoost, LightGBM, scikit-learn).
• Опыт работы с A/B-тестированием и метриками оценки эффективности маркетинговых кампаний.
• Умение проектировать и поддерживать AirFlow-пайплайны (или аналоги).

Будет плюсом:

• Опыт в uplift-моделировании (методы T-Learner, S-Learner, Two-Model Approach и др.).
• Разработка методов оптимизации в больших пространствах (например, подбор лучших акций среди сотен вариантов).
• Опыт работы с ClickHouse, S3 или аналогичными хранилищами.

• Знание основ эконометрики и Causal Inference.
• Понимание продуктовых особенностей кэшбек-систем и механик промо.