ML-engineer/researcher в финтех

Описание

У нас группа компаний МКК. Secunda — наш платежеспособный агент, который мы сделали, чтобы облегчить переводы с клиентами, банками и партнерами. Мы активно растём и удваиваем масштабы каждые полгода, поэтому сейчас в поисках крутого специалиста в нашу команду :)Тебе интересно строить ML-модели, которые реально влияют на бизнес. Хочешь видеть, как твои решения меняют подход к оценке клиентов и делают финтех-сервисы умнее? Тогда тебе к нам! 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). Условия: Удалённая работа: работай из любой точки мира. Гибкое рабочее время: стандартная пятидневка (5/2), но мы ценим твой work-life balance. Оформление по ГПХ/ИП РФ. Современные инструменты и дружная команда профессионалов. Возможность влиять на продукт и видеть результат своей работы. Присоединяйся к нам, чтобы вместе создавать будущее финтеха!