Data Scientist

В Anaplan мы — команда новаторов, специализирующаяся на оптимизации принятия бизнес-решений с помощью нашей ведущей платформы сценарного планирования и анализа на базе ИИ, чтобы наши клиенты могли опережать конкурентов и рынок. То, что объединяет сотрудников Anaplan в разных командах и регионах, — это наша коллективная приверженность успеху наших клиентов и нашей победоносной культуре. Наши клиенты — это представители списка «кто есть кто» из Fortune 50. Coca-Cola, LinkedIn, Adobe, LVMH и Bayer — лишь немногие из более чем 2400 мировых компаний, которые полагаются на нашу лучшую в своем классе платформу. Наша победоносная культура — это двигатель, который приводит в движение наши команды новаторов. Мы поддерживаем разнообразие мыслей и идей, ведем себя как лидеры независимо от должности, стремимся к достижению амбициозных целей и любим отмечать наши победы — большие и маленькие. Поддерживаемые операционными принципами стратегического руководства, ценностной ориентации и дисциплинированности в исполнении, вы будете вдохновлены, связаны, развиты и вознаграждены здесь. Всё, что делает вас уникальным, приветствуется; присоединяйтесь к нам, и давайте вместе построим будущее!

Мы ищем универсального специалиста по данным (Data Scientist), который присоединится к команде функциональной аналитики. Основная миссия нашей команды — проектировать и разрабатывать новые функциональные аналитические возможности или «движки», которые интегрируются непосредственно в приложения Anaplan для решения сложных корпоративных бизнес-задач.

В этой роли вы будете разрабатывать лучшие в своем классе модели и конвейеры машинного обучения для получения автоматизированных, действенных аналитических данных в масштабе. Помимо основной разработки, вы будете выступать в качестве ключевого технического партнера для наших клиентов. Вы будете играть видную роль в сопровождении клиентов, работая с их данными для настройки и тонкой доводки наших движков машинного обучения, чтобы они беспрепятственно адаптировались к сложным бизнес-реалиям и специфическим потребностям клиентов.

• Ввод в эксплуатацию клиентов и настройка движков: Руководство техническим внедрением наших движков для новых клиентов. Тесное сотрудничество с клиентами, отделами по работе с клиентами, продуктовыми командами и инженерами для адаптации и настройки моделей машинного обучения, гарантируя, что они точно отражают специфическую бизнес-логику клиента, операционные ограничения и уникальные нюансы данных
• Разработка аналитических движков: Проектирование и разработка масштабируемых функциональных аналитических возможностей, которые беспрепятственно интегрируются в приложения Anaplan, преобразуя необработанные данные клиентов в автоматизированные, ценные бизнес-инсайты
• Продвинутое моделирование и прогнозирование временных рядов: Проектирование, обучение и внедрение надежных моделей машинного обучения (LightGBM, XGBoost) и глубокого обучения (PyTorch), специально ориентированных на комплексное определение спроса и решение проблем прогнозирования «холодного старта»
• Конвейеры обработки признаков: Создание и оптимизация масштабируемых конвейеров данных с использованием гибридной архитектуры SQL/Python (dbt, Snowflake) для извлечения богатых, локализованных временных сигналов из больших объемов транзакционных розничных данных
• Сквозное развертывание (MLOps): Сотрудничество с нашими инженерами для перехода ваших моделей от прототипа к масштабируемым, контролируемым и надежным производственным конвейерам с использованием таких инструментов, как MLflow и Optuna

• Значительный практический профессиональный опыт в области Data Science, успешное создание и внедрение систем от прототипа до производства в быстро меняющейся среде
• Прочная основа в области прогнозного моделирования: Обширный опыт работы с традиционными алгоритмами машинного обучения, фреймворками глубокого обучения и сложным прогнозированием временных рядов
• Опыт разработки производственного кода на Python: Высокий уровень владения Python, Pandas и современными практиками разработки программного обеспечения (тестирование, чистый код, проверка кода, CI/CD)
• Экспертиза в области данных и конвейеров: Практический опыт оптимизации моделей данных и шаблонов доступа для современных хранилищ данных (Snowflake, Databricks) с использованием SQL и инструментов трансформации, таких как dbt
• Облачная инфраструктура и инфраструктура данных: Опыт работы с масштабируемой облачной инфраструктурой (AWS, GCP или Azure) и обработки столбчатых форматов данных, таких как Parquet
• Опыт MLOps: Опыт работы с инструментами и фреймворками для обучения, отслеживания, развертывания и мониторинга моделей в производственной среде (например, MLflow, Optuna, Prefect или Airflow)