Data Scientist (Оптимизация маршрутов)
Data Scientist (Оптимизация маршрутов)
Москва, Овчинниковская набережная, 18/1с2
Метро: НовокузнецкаяОписание вакансии
Тысячи складов. Десятки тысяч курьеров. Сотни тысяч заказов в день. Всё это соединяет один сервис и технологии, которые делают доставку быстрой и точной.
Мы строим систему, где каждая минута важна: алгоритмы распределяют заказы и оптимизируют маршруты. Всё это в реальном времени, на огромном масштабе.
В команде исследователи, аналитики и разработчики. Мы умеем быстро проверять гипотезы и внедрять результаты в продакшен.
Несмотря на зрелость продукта, пространство для экспериментов огромное. Мы ищем дата-сайентиста, которому интересно создавать алгоритмы, делающие сервис умнее и быстрее, и видеть, как его работа влияет на реальный мир каждый день.
Если тебе важно, чтобы за твоими моделями стояли реальные данные, люди и движение - присоединяйся к нам!
От успешного соискателя мы ожидаем:
- Знание алгоритмов и типов данных, основ Python, библиотек для анализа данных: pandas, numpy;
- Знание классических задач комбинаторной оптимизации (задача коммивояжера, задача о маршрутизации транспортных средств, задача об упаковке в контейнеры) и соответствующих алгоритмов их решения;
- Навыки исследований и формирования гипотез к доработкам текущих алгоритмов;
- Желание развиваться в оптимизации;
- Желание погружаться в существующую бизнес-модель, продукт и метрики, разобраться в применяемых алгоритмических системах, их ограничениях и целях.
Будет плюсом:
- Знание и понимание работы солверов (Google OR Tools, Gurobi, IBM Cplex, CBC и пр.) а также использование их на практических задачах или опыт разработки собственного солвера;
- Опыт работы в продуктовой команде;
- Опыт с А/Б-тестированием;
- Знание Classic ML;
- Опыт применения численных методов линейной алгебры;
- Опыт работы с Reinforcement Learning;
- Опыт работы с имитационным моделированием.
Чем предстоит заниматься:
- Развивать текущий проект, разбирать реальные кейсы и предлагать идеи по улучшению узких мест;
- Строить новые модели оптимизации, и решать их. Модели как линейного/линейно-целочисленного программирования, так и модели программирования в ограничениях;
- Взаимодействовать с бизнесом, понимать их ограничения, описывать плюсы и минусы различных подходов к оптимизации;
- Помогать продуктовым командам интегрировать модели в продукты;
- Проверять продуктовые гипотезы;
- Повышать эффективность доставки заказов курьерами на различных видах транспорта.
Стек:
Разработка: Python, FastAPI, GitLab, Docker, Grafana.
Солверы: OR Tools, HiGHs.
Процессы: Jira, Confluence.
Навыки
- Оптимизация логистических процессов
- Python
- SQL
- Маршрутизация
- Математическое программирование
- Математическая статистика