ML-researcher / ML-engineer
Описание
Привет, легенда! Мы — группа компаний Небус, развиваем финансовые технологии и МКК. Наш бизнес растёт, и мы усиливаем команду для новых задач. Приглашаем в команду SEO, который разделяет активный подход и ценит уважительную атмосферу в коллективе 🤍 Что мы предлагаем? + Конкурентоспособную заработную плату по итогам прохождения технического собеседования; + Полностью удаленная работа, можно работать из любой точки мира; + Рабочий график 5/2; + Оформление по договору ГПХ или по ИП РФ; + Оплачиваемые отпуска и больничные + Геймифицированная корпоративная культура + Поездки и встречи в разных городах + Команда на драйве, фанаты своего дела и сильное окружение, с которым ты растешь только вперед! Чем предстоит заниматься: ✨Внедрять ML-модели в продакшн: разрабатывать и интегрировать пайплайны для скоринга, оценки рисков и других бизнес-задач в промышленную среду. ✨Строить надёжные пайплайны обработки данных: обеспечивать качественную подготовку, валидацию и трансформацию данных для обучения и инференса моделей. ✨Оптимизировать производительность алгоритмов: повышать скорость работы кода, снижать потребление ресурсов, улучшать latency и пропускную способность систем. ✨Разрабатывать и внедрять MLOps-практики: автоматизировать процессы обучения, тестирования, развертывания и мониторинга моделей (CI/CD для ML). ✨Обеспечивать стабильность работы моделей в продакшне: отслеживать дрейф данных и метрик качества, настраивать алерты и процессы переобучения. ✨Интегрировать ML-решения с продуктовой архитектурой: работать с разработчиками над созданием API, сервисов и микросервисов на базе моделей. ✨Версионировать данные и модели: контролировать воспроизводимость экспериментов и корректное обновление моделей в продакшне. Что важно для этой роли: 🌼Опыт коммерческой разработки от 3 лет на позиции ML-инженера или разработчика с сильным уклоном в машинное обучение (опыт в финтехе или высоконагруженных системах будет преимуществом). 🌼Уверенное владение Python и навыки написания чистого, поддерживаемого, production-ready кода. 🌼Глубокое знание ML-библиотек: scikit-learn, XGBoost, LightGBM, pandas, numpy. 🌼Опыт работы с большими данными: уверенное владение SQL, понимание Spark / Dask / аналогичных инструментов. 🌼Навыки контейнеризации и оркестрации: опыт с Docker (обязательно), знакомство с Kubernetes. 🌼Понимание принципов MLOps: опыт с инструментами оркестрации (Airflow / Prefect / Kubeflow), системами трекинга экспериментов (MLflow / Weights & Biases), версионирования данных (DVC). 🌼Системное мышление: понимание, как устроены пайплайны от источника данных до конечного API, умение проектировать отказоустойчивые решения. 🌼Опыт работы с Git, понимание CI/CD-процессов (GitHub Actions / GitLab CI / Jenkins). 🌼Умение работать в команде: взаимодействовать с дата-сайентистами (принимать прототипы и делать их промышленными) и бэкенд-разработчиками (интегрировать решения в продукт). Ловишь мэтч? Оставляй отклик!