Ассортимент и спрос, лояльность и персональные предложения
Один из двух крупнейших продуктовых ритейлеров страны с десятками тысяч магазинов в разных форматах. ML-задачи начинаются с планирования ассортимента и заказов и продолжаются в программе лояльности: персональные скидки, купоны, коммуникации. Масштаб — главный источник и сложностей, и выгоды от точности.
Порядок и состав секций меняются от команды к команде — это типовая схема, собранная по открытым источникам. Этапы, на которых проверяют знания, ведут в разбор формата: что оценивают и чем закрывать пробелы.
Рекрутер уточняет направление: спрос и ассортимент, лояльность, аналитика, платформа данных.
SQL-секция: чеки, карты лояльности, остатки и поставки.
ML-секция: табличные модели и ряды, валидация во времени, разбор вашего опыта.
Продуктовая секция: как проверяют эффект акции или рассылки и что делать с незначимым результатом.
Руководитель: задачи команды и то, как решения доходят до магазинов.
3 формата проверки из отбора Магнит — и тест атласа под каждый. Слабые места видно сразу после захода, а темы для разбора собираются автоматически.
Соединения, оконные функции и цена запроса на большой таблице
На чём валятсяКлассика табличных задач и честная проверка качества
На чём валятсяДизайн эксперимента, значимость и решение по результату
На чём валятся18 тем по всем направлениям Магнит — если команда ещё не выбрана. Программа разложит их по неделям от математики к продакшену; под конкретное направление список короче, и его можно собрать ниже.
Эти 18 тем можно разложить по неделям: программа выстроит их от математики к продакшену, поставит тест в конце каждой недели и вернёт тему на повторение, если вы в ней ошиблись. Выйдет примерно 4 недели под Магнит · Все направления.
Проверяем, вошли ли вы…
Выберите направление: обязательные темы со ссылками в атлас, типовые вопросы с ответами и тест для самопроверки.
Планирование матрицы товаров под формат и регион, прогноз продаж, управление остатками. Специфика — тысячи магазинов с разным спросом и постоянная ротация ассортимента.
Эти 10 тем можно разложить по неделям: программа выстроит их от математики к продакшену, поставит тест в конце каждой недели и вернёт тему на повторение, если вы в ней ошиблись. Выйдет примерно 2 недели под Магнит · Ассортимент и спрос.
Проверяем, вошли ли вы…
Чтобы переносить знания: по отдельному магазину истории мало, а по группе похожих — достаточно. Кластеры строят по структуре продаж и профилю покупателей, а не по географии, и используют как признак в модели спроса и как единицу планирования ассортимента.
Разбор в атласе: Clustering — Кластеризация →По аналогам: похожие товары в той же категории и подкатегории, их профиль продаж в первые недели, поправка на цену и место на полке. Отдельная модель для новинок живёт до накопления собственной истории, после чего товар переходит в обычный контур прогноза.
Разбор в атласе: k-NN — Метод k ближайших соседей →Не по абсолютным продажам, а по вкладу с учётом замещения: если при выводе покупатель перейдёт на соседний товар, потеря мала; если уйдёт из категории или из магазина — велика. Оценивают по совместным покупкам и по экспериментам вывода на части магазинов.
Разбор в атласе: Problem formulation — Постановка задачи →Бэктест на нескольких окнах по времени с имитацией реального лага данных: модель видит только то, что было известно на момент планирования. Средняя метрика по одному окну скрывает нестабильность, а именно она определяет, можно ли доверять модели в новый сезон.
Разбор в атласе: Cross-validation — Кросс-валидация →