Summary
Data Science internship on MTS's dynamic/personalized pricing team in telecom: building look-alike, multiclass, response and uplift models for B2C subscribers, estimating demand elasticity, improving production models, and maintaining Airflow pipelines and A/B tests. Core stack: Python, SQL, classical ML (XGBoost/LGBM/CatBoost), Git.
Big Data — один из ключевых юнитов МТС. Сегодня Big Data — это 20 петабайт данных, 5 000 метрик на профиль и 400 увлеченных профессионалов в команде. Наши технологии применяются практически во всех направлениях компании: маркетинг, обслуживание, планирование сети, HR, розница.
Наша команда занимается динамическим и персонализированным прайсингом в телекоме. Мы создаем комплексное решение для гибкого управления ценами на товары, услуги и подписки в зависимости от профиля клиента и характеристик продукта. Наша глобальная цель — устанавливать цены, которые с одной стороны растят бизнес-показатели компании, а с другой — интересны клиентам и помогают решать их проблемы.
Сейчас мы ищем стажера Data Scientist, который поможет нам строить точные ценовые модели и встраивать их в операционные процессы.
Строить модели персонализации параметров предложения (look-alike, multiclass, response, uplift) для абонентов B2C на всех этапах их жизненного цикла: привлечение, адаптация, развитие, работа с оттоком;
Оценивать эластичность спроса и подбирать оптимальную цену для достижения различных бизнес-целей компании;
Улучшать качество продакшн-моделей: добавлять новые источники фичей, валидировать зависимость спроса моделей от цены, находить узкие места, где качество модели сильно деградирует;
Поддерживать текущие решения на продукте, сопровождать постановки на регламент процессов в Airflow и проводить A/B-тесты моделей;
Участвовать в разработке и тестировании собственных библиотек для автоматизации основных процессов подразделения.
Студенты 3 и 6 курсов бакалавриата, специалитета или магистратуры;
Отличное знание Python и SQL;
Уверенное знание классических алгоритмов машинного обучения (LR, RF, XGBoost/LGBM/CatBoost), понимание их преимуществ, недостатков и ограничений;
Навыки работы с Git;
Наличие опыта решения 2+ ML-задач (участие в Kaggle или пет-проекты) и собственный репозиторий на GitHub с кодом;
Будет плюсом:;
Опыт работы с Big Data стеком (Hadoop, Spark, Airflow);
Базовые знания в области временных рядов (понимание тренда, сезонности);
Опыт проведения A/B-тестов и работы с методами оптимизации.
График работы от 30 часов в неделю;
Гибридный формат работы;
Развитие в командах профессионалов и опытный наставник, готовый делиться опытом;
Мобильная связь за счет компании;
Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети;
Специальные предложения от партнеров и скидки от продуктов экосистемы МТС;
Непрерывное развитие — доступ к курсам и вебинарам корпоративного университета и онлайн-библиотеке.