Data Science Engineer / Инженер по анализу данных / Инженер по машинному обучению /

Data Science Engineer / ML Engineer

Прогнозирование спроса и управление заказами в сети кафе и ресторанов

Мы создаём интеллектуальную систему управления заказами, запасами и производством для крупной сети предприятий общественного питания. Ищем Data Science Engineer, который разработает модели, помогающие точно прогнозировать спрос, автоматически формировать заказы, планировать производство и снижать списания.

Это позиция для специалиста, которому интересно не просто обучать модели, а внедрять их в реальные операционные процессы: от склада и производства до кухни и конкретной точки продаж.

Чем предстоит заниматься

— разрабатывать и развивать ML-модели прогнозирования спроса по товарам, блюдам, точкам и временным интервалам;
— создавать систему автоматического формирования заказов для кафе и ресторанов;
— рассчитывать оптимальные уровни запасов с учётом сроков годности, остатков, поставок и производственных ограничений;
— оптимизировать планирование производства полуфабрикатов и готовой продукции;
— учитывать сезонность, погоду, праздники, акции, день недели, время суток и локальные особенности точек;
— разрабатывать модели для снижения дефицита, излишков и списаний продукции;
— проводить анализ продаж, остатков, поставок, производственных мощностей и операционных показателей;
— создавать алгоритмы выявления аномалий в заказах, остатках и продажах;
— проводить A/B-тесты и оценивать бизнес-эффект от внедрения моделей;
— совместно с разработчиками интегрировать модели в действующую IT-инфраструктуру;
— выстраивать мониторинг качества моделей и регулярно улучшать их после запуска.

Что мы ожидаем

— опыт работы Data Scientist, ML Engineer или Data Science Engineer от 3 лет;
— уверенное владение Python, pandas, NumPy, scikit-learn;
— хорошее знание SQL и опыт работы с большими объёмами транзакционных данных;
— практический опыт построения моделей временных рядов и прогнозирования спроса;
— понимание методов управления запасами, replenishment и supply chain optimization;
— опыт работы с CatBoost, LightGBM, XGBoost или аналогичными инструментами;
— знание методов оценки качества прогнозов: MAE, RMSE, MAPE, WAPE, bias;
— умение переводить бизнес-задачу в математическую постановку и измеримый результат;
— опыт внедрения моделей в production, а не только проведения исследований;
— способность понятно объяснять результаты работы бизнес-команде.

Будет преимуществом

— опыт в FoodTech, retail, FMCG, ресторанном бизнесе или производстве продуктов питания;
— опыт разработки систем автоматического заказа и пополнения запасов;
— понимание специфики скоропортящихся товаров и управления сроками годности;
— опыт оптимизации производственного планирования;
— знание OR-Tools, Pyomo или других инструментов математической оптимизации;
— опыт работы с Airflow, MLflow, Docker, Git и облачной инфраструктурой;
— понимание MLOps и мониторинга моделей;
— опыт работы с ERP, WMS, POS, системами складского и производственного учёта.

Ключевые показатели результата

— повышение точности прогноза спроса;
— снижение списаний и избыточных запасов;
— сокращение количества ситуаций отсутствия продукции;
— повышение доступности блюд и товаров для гостей;
— автоматизация формирования заказов;
— повышение эффективности производства и использования складских запасов.

Что предлагаем

— работу над продуктом, напрямую влияющим на экономику;
— доступ к большому объёму реальных данных о продажах, заказах, остатках и производстве;
— возможность построить систему управления заказами практически с нуля;
— прямое взаимодействие с бизнесом, IT-командой и операционными подразделениями;
— свободу в выборе подходов, архитектуры моделей и инструментов;
— конкурентный уровень дохода по результатам собеседования FIX+KPI;
— формат работы обсуждается индивидуально.

В отклике расскажите о проектах, где ваши модели были внедрены в production и дали измеримый бизнес-результат.