ML Engineer

Описание

Локация: Москва; удалённый или гибридный формат работы.
Зарплата: 200000–250000 RUB на руки в месяц.
Компания
YLAB Development реализует проекты для клиентов, передавая специалистов на подходящие проекты.
Что делать

Разрабатывать и развивать модели классического ML, deep learning и NLP.
Проектировать end-to-end ML-пайплайны: подготовка данных, feature engineering, обучение, валидация и деплой.
Работать с ETL/ELT, датасетами, feature store и большими объёмами данных.
Выводить модели в production с использованием Docker, Kubernetes, REST/gRPC API и batch/online inference.
Настраивать MLOps, версионирование моделей и данных, CI/CD/CT, автоматическое переобучение и мониторинг.
Участвовать в архитектурных решениях и взаимодействовать с data scientists, инженерами, аналитиками и бизнес-стейкхолдерами.

Требования

Коммерческий опыт в ML или ML Engineering от 3 лет; уровень Middle+ или Senior.
Уверенное владение Python, pandas, NumPy, scikit-learn и PyTorch или TensorFlow.
Опыт построения и деплоя ML-моделей в production, а также понимание supervised learning, feature engineering, валидации и метрик качества.
Опыт работы с SQL, ETL/ELT, большими датасетами, Docker, Kubernetes и CI/CD.
Практический опыт с MLflow или W&B, автоматизацией пайплайнов, мониторингом моделей, drift detection и retraining.
Английский от B2+ требуется для европейских и американских проектов; для проектов без английского язык не обязателен.

Хорошо, если есть

Опыт с LLM/GenAI, RAG, embeddings, vector databases, prompt engineering и fine-tuning.
Практика LLMOps и agentic systems, включая LangGraph, CrewAI и multi-agent workflows.
Опыт работы с AWS SageMaker, Azure ML, Vertex AI, feature stores, model registries, A/B-тестированием и canary deployments.
Знание инструментов мониторинга и оценки моделей: Prometheus, Grafana, Evidently, Arize, Ragas или DeepEval.

Культура и преимущества

Возможность работать удалённо или в гибридном формате.
Работа над клиентскими ML-проектами с влиянием на реальные продукты.
Автономное ведение задач от постановки до результата.

Процесс найма

Короткое общение с рекрутером.
Техническое интервью или TechCertify-скрининг.
Передача на подходящие проекты клиентам.