Faire
Senior Applied AI/ML Scientist - Retailer Growth
- San Francisco, CA
- сегодня
Senior Applied AI/ML Scientist в Faire — платформа для оптовых продаж независимых ритейлеров. Вы построите ML-модели для персонализации онбординга, удержания и роста покупателей на двухстороннем маркетплейсе.
О позиции
Команда Applied AI/ML Scientists использует машинное обучение для революционизации оптовой индустрии — помогает локальным магазинам конкурировать с Amazon и крупными ритейлерами. На этой роли вы будете отвечать за моделирование и измерение влияния на опыт продавцов после регистрации: как помочь новым покупателям начать работу на платформе и построить долгосрочные отношения с брендами.
Чем заниматься
- Владеть прикладными ML-проектами полностью: от формулировки задачи до запуска и измерения влияния
- Персонализировать процесс онбординга новых ритейлеров на основе их бизнес-данных
- Использовать LLM для преобразования неструктурированных данных в сигналы для улучшения моделей и персонализации
- Прогнозировать активацию, отток и потенциал роста ритейлеров для приоритизации инвестиций
- Определять правильные бренды в нужный момент времени для конвертации первого заказа в долгосрочные отношения
- Оптимизировать уведомления и сообщения бренд-ритейлер для долгосрочной вовлечённости
- Применять эксперименты и каузальный вывод для измерения влияния рычагов роста
- Сотрудничать с продуктом, инженерами, дизайном, маркетингом, продажами и аналитикой для превращения моделей в готовый продукт
Что ждут
- 3+ года промышленного опыта построения и продакшена ML-моделей для решения реальных задач (Sklearn, XGBoost, глубокие нейросети)
- Опыт работы с актуальными бизнес-задачами (e-commerce)
- Опыт с техническими методами (прогнозное моделирование, рекомендации и персонализация, экспериментирование и каузальный вывод, LLM)
- Сильные навыки программирования (Python, SQL)
- Готовность изучать новые инструменты и техники
- Способность самостоятельно проектировать и реализовывать ML-решения
- Отличные коммуникативные навыки и способность работать кросс-функциональной команде
Будет плюсом
- Высшее образование: Masters или PhD в Computer Science, Statistics или смежных STEM-областях
- Опыт роста маркетплейсов, персонализации, рекомендательных систем или систем уведомлений для двухсторонних платформ
Условия
- Гибкий оплачиваемый отпуск плюс корпоративные дни перезагрузки
- Оплачиваемый декретный отпуск до 16 недель
- Расширенное медицинское страхование с вариантами по локации
- Преференции фертильности и планирования семьи через Carrot
- Поддержка ментального здоровья и коучинг через Modern Health
- Стимулы для профессионального развития, wellness и работы из дома
- Пенсионный план со стороны работодателя
- Гибридный график: 3 дня в офисе (вторник, четверг и один гибкий день), до 4 недель удалённой работы в год
Навыки
- Python
- SQL
- scikit-learn
- XGBoost
- Deep Learning
- LLMs
- Predictive Modeling
- Recommendation Systems
- Personalization
- Causal Inference
- A/B Testing
- Information Extraction
- Data Mining
Сложность отбора
Высокая сложность: требует опыта продакшена ML-моделей, понимания бизнес-логики маркетплейса, навыков работы с разнородными данными (структурными и неструктурированными) и способности переводить бизнес-задачи в технические решения.
Оценка JobPathЗарплата по рынку
1 500 000 – 2 200 000 ₽ в месяц
Оценка основана на указанном годовом диапазоне $211,000–$290,500 для Сан-Франциско, пересчитанном в ₽/мес. Senior ML Scientist в SF находится на верхней границе рынка по России для таких ролей.
Оценка JobPath по рынку, не предложение работодателяМогут спросить на собеседовании
- Расскажите о самом сложном ML-проекте, который вы запустили в продакшен. Какие были вызовы и как вы их преодолели?
- Как бы вы подошли к задаче персонализации онбординга нового ритейлера? Какие признаки и методы вы бы использовали?
- У нас есть данные двух типов: структурированные транзакции и неструктурированные текстовые описания товаров. Как вы используете LLM для создания признаков?
- Представьте, что модель показала улучшение в A/B тесте, но спустя месяц метрики вернулись к исходным уровням. Каковы возможные причины и как вы будете искать проблему?
- Расскажите о ситуации, когда вам пришлось балансировать между точностью модели и временем её выполнения. Как вы пришли к компромиссу?
Прорепетировать это собеседование
Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.
Начать бесплатноСохрани похожие вакансии
Новые вакансии с такой должностью будут собираться в кабинете.
Сохранить фильтр