Компания «Т.Б.М.» - это крупный российский холдинг федерального значения.
Наша Компания успешно работает более 30 лет и является лидером своего рынка, крупнейшим поставщиком качественных комплектующих и фурнитуры для производства окон, дверей, стеклопакетов и мебели. География Компании — это вся Россия. Это широкая сеть филиалов в таких крупных городах, как: Москва, Санкт-Петербург, Новосибирск, Екатеринбург, Нижний Новгород и др. Более 2500 человек работают в нашей Компании!
Наша цель – быть лучшим поставщиком для наших Клиентов и лучшим работодателем для наших Сотрудников! Приглашаем присоединиться к нашей команде!
Обязанности:
- Данные — фундамент направления.
- Инвентаризация доступных данных: что есть в учётных и торговых системах, в каком качестве, за какой период, насколько полно;
- Построение процессов выгрузки и подготовки данных (SQL, ETL): дедупликация, нормализация справочников, обработка пропусков, выявление аномалий и ошибок ввода;
- Создание и поддержка воспроизводимых датасетов для обучения моделей;
- Документирование источников данных и правил их обработки;
- Разработка моделей машинного обучения;
- Постановка задачи вместе с бизнесом: перевод бизнес-цели в измеримую метрику модели и в измеримый экономический эффект;
- Разработка моделей с нуля на данных компании — прогнозирование спроса и товарных остатков, сегментация клиентов, прогноз оттока, поддержка ассортиментных и ценовых решений, оценка вероятности сделки;
- Корректная постановка эксперимента: разделение выборок с учётом временной структуры данных, контроль утечек целевой переменной, честное сравнение с текущим процессом как с базовым уровнем;
- Оценка качества по метрикам, понятным бизнесу, и защита результата перед заказчиком;
- Решения на основе больших языковых моделей (LLM);
- Разработка сервисов на базе LLM: поиск и вопросно-ответные системы по корпоративной базе знаний — wiki и Confluence, регламенты, приказы, техническая и товарная документация (RAG), классификация и маршрутизация обращений, извлечение данных из первичных документов, суммаризация;
- Оценка качества таких решений: точность ответов, контроль галлюцинаций, полнота, стоимость эксплуатации;
- Осознанный выбор подхода: правила, классический ML, LLM или их комбинация — исходя из стоимости, надёжности и требований к объяснимости;
- Внедрение и эксплуатация;
- Доведение решений до промышленной эксплуатации: сервисы на FastAPI, контейнеризация;
- Интеграция решений в системы, которыми люди уже пользуются: корпоративная база знаний (wiki, Confluence), учётные системы, система обработки обращений, портал, корпоративный мессенджер. Отдельный интерфейс, в который нужно специально заходить, почти всегда остаётся невостребованным;
- Разработка и поддержка API-интеграций, работа с REST, вебхуками и очередями; настройка регулярной синхронизации и переиндексации при обновлении документов;
- Мониторинг работы моделей в проде, отслеживание деградации качества, переобучение;
- Соблюдение требований информационной безопасности при работе с коммерческими и персональными данными;
- Развитие направления;
- Участие в отборе идей от бизнес-подразделений и оценке их реализуемости;
- Экспертиза при выборе внешних решений и подрядчиков;
- Обмен знаниями с коллегами из ДИТ.
Пожелания к кандидатам:
- Обязательно: От 2–3 лет практического опыта в машинном обучении или анализе данных с задачами, доведёнными до реального использования;
- Уверенный Python: pandas, numpy, scikit-learn;
- Уверенный SQL: сложные запросы, оконные функции, оптимизация; опыт работы с промышленными СУБД (Oracle, PostgreSQL);
- Практический опыт работы с «грязными» данными: очистка, нормализация справочников, обработка пропусков и выбросов, сведение данных из разных источников;
- Классический ML: линейные модели, градиентный бустинг (CatBoost, XGBoost, LightGBM), кластеризация; понимание, когда какой подход уместен;
- Прогнозирование временных рядов и понимание его особенностей: сезонность, тренды, праздничные и акционные периоды;
- Уверенное владение метриками качества (MAE, MAPE, precision/recall, ROC-AUC) и понимание, почему выбор метрики зависит от бизнес-задачи;
- Понимание причин переобучения и утечки целевой переменной, умение корректно строить валидацию;
- Практический опыт работы с LLM: промпт-инжиниринг, структурированный вывод, RAG (чанкинг, эмбеддинги, векторный поиск), оценка качества ответов;
- Git, Docker, опыт разработки REST API;
- Практический опыт интеграций с внешними системами через API: аутентификация, разбор документации, обработка ошибок и ограничений на частоту запросов, регулярная синхронизация данных;
- Умение объяснить свою работу человеку без технического образования (будет плюсом)
- Опыт в дистрибуции, оптовой или розничной торговле, логистике;
- Опыт интеграции с учётными и ERP-системами (1С, Oracle APEX);
- Опыт интеграции с корпоративными системами знаний и совместной работы через API: Confluence, другие wiki-платформы, порталы и системы электронного документооборота;
- Опыт интеграции с системами обработки обращений (service desk, ITSM) и корпоративными мессенджерами;
- Опыт построения ETL-процессов и работы с хранилищами данных;
- Распознавание и обработка сканированных документов (OCR);
- Опыт работы с BI-инструментами и построения отчётности;
- Опыт работы с локально развёрнутыми (self-hosted) моделями и понимание требований к защите данных;
- Инструменты трекинга экспериментов и наблюдаемости (MLflow, Langfuse и аналоги);
- Опыт использования AI coding agents в собственной разработке.
- Личные качества:
- Самостоятельность: вы будете первым в направлении, наставника по ML внутри компании нет;
- Способность работать в условиях неопределённости и самому доводить постановку задачи до ясного вида;
- Умение и готовность разговаривать с бизнесом на его языке;
- Честность в оценке ограничений: способность сказать «эта задача так не решается» и предложить альтернативу;
- Ориентация на результат в эксплуатации, а не на красивую метрику в ноутбуке.
Условия:
- Работу в крупной динамично развивающейся Компании с современным менеджментом, по продаже фурнитуры, лакокрасочных материалов и комплектующих от ведущих производителей, а также товаров под собственным брендом и собственного производства;
- Официальное оформление и социальные гарантии в соответствии с ТК РФ (трудовой договор);
- Официальная заработная плата, оклад + премия;
- График работы пн-пт с 8-00 до 17-00;
- Офис расположен по адресу г. Мытищи, Волковское шоссе, вл.15 с.1;
- Корпоративный транспорт от автовокзала Мытищи (15 мин.);
- Компенсация 50% на питание в корпоративной столовой;
- Полный соцпакет + дополнительный (компенсация на фитнес или ДМС);
- Корпоративные скидки на продукцию Компании.
