Data Scientist, Anti-Fraud, Ozon Bank

Мы — Небус: группа компаний в финтехе и МКК, которая растёт как на дрожжах — удваиваем масштабы каждые полгода. Это драйв, амбиции и куча задач, где нужен мощный ML.

Ищем ML-инженера, который не просто пишет код, а зажигает. У нас активный подход к работе и атмосфера взаимного уважения 🤍. Готов ворваться в команду, где твои модели сразу идут в бой? Тогда читай дальше — это твой шанс!

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.
• Гибкий график: стандартная пятидневка (5/2), но мы ценим твой work-life balance.
• Оформление по ГПХ / СМЗ/ ИП РФ.
• Современные инструменты и дружная команда профессионалов.
• Возможность влиять на продукт и видеть результат своей работы.

Ты хочешь видеть результат своей работы?
У нас ты будешь не винтиком, а автором решений, которые сразу идут в бой. Рост каждые полгода, современный стек, дружная команда.
Не откладывай — отправь отклик сегодня! Твоё будущее в финтехе начинается здесь.

Обязанности:

• анализ бизнес-задач, формулирование гипотез;
• выбор метрик и подходов: от классического ML до сложных LLM-агентов;
• проектирование архитектур моделей и нейросетей;
• написание, обучение и отладка моделей;
• проведение экспериментов, сравнение подходов, фиксация результатов;
• менторство дата-сайентистов, проведение код-ревью;
• выстраивание культуры воспроизводимых экспериментов;
• перевод кода из прототипов в Jupyter-ноутбуках в поддерживаемые production-решения;
• управление ожиданиями, приоритизация задач;
• оценка ROI от внедрения ML-функций и инициатив;
• тесная работа с MLOps/DE-лидером для передачи моделей в продакшн;
• написание спецификаций и требований к обслуживанию моделей, данным и мониторингу;
• участие в проектировании пайплайнов и интеграций.

Требования:

• уверенное знание линейной алгебры, теории вероятностей, статистики и основ математической оптимизации;

• понимание unit-экономики ML;

• умение быстро читать и имплементировать статьи с arXiv, оценивать state-of-the-art подходы;

• умение объяснять сложные математические и ML-концепции;

• продвинутый Python: ООП, асинхронность, написание чистого и поддерживаемого кода;

• продвинутый SQL: оконные функции, оптимизация запросов, работа с большими объёмами данных;

• опыт работы с библиотеками для анализа данных;

• опыт применения градиентного бустинга;

• глубокое понимание метрик, работы с дисбалансом классов и временными рядами;

• глубокое знание PyTorch, Transformers и экосистемы HuggingFace;

• опыт построения RAG-пайплайнов и создания AI-агентов;

• опыт fine-tuning LLM;

• опыт работы с векторными базами данных;

• опыт работы с реляционными и аналитическими СУБД;

• опыт визуализации данных.

Условия:

• конкурентный уровень з/п (обсуждается индивидуально);
• работа в крупной и стабильной компании – в структуре самой большой ОЭЗ в Европе;
• транспорт до работы из г. Елабуга, г. Набережные Челны, г. Нижнекамск;
• полис добровольного медицинского страхования;
• предоставление платного жилья для иногородних;
• гарантия профессионального роста;
• амбициозная, проектно-ориентированная команда;
• командные и спортивные игры, реализация нестандартных задач;
• карьерный рост при наличии и обретении в процессе работы необходимых компетенций.

Обязанности:

• анализ бизнес-задач, формулирование гипотез;
• выбор метрик и подходов: от классического ML до сложных LLM-агентов;
• проектирование архитектур моделей и нейросетей;
• написание, обучение и отладка моделей;
• проведение экспериментов, сравнение подходов, фиксация результатов;
• менторство дата-сайентистов, проведение код-ревью;
• выстраивание культуры воспроизводимых экспериментов;
• перевод кода из прототипов в Jupyter-ноутбуках в поддерживаемые production-решения;
• управление ожиданиями, приоритизация задач;
• оценка ROI от внедрения ML-функций и инициатив;
• тесная работа с MLOps/DE-лидером для передачи моделей в продакшн;
• написание спецификаций и требований к обслуживанию моделей, данным и мониторингу;
• участие в проектировании пайплайнов и интеграций.

Требования:

• уверенное знание линейной алгебры, теории вероятностей, статистики и основ математической оптимизации;

• понимание unit-экономики ML;

• умение быстро читать и имплементировать статьи с arXiv, оценивать state-of-the-art подходы;

• умение объяснять сложные математические и ML-концепции;

• продвинутый Python: ООП, асинхронность, написание чистого и поддерживаемого кода;

• продвинутый SQL: оконные функции, оптимизация запросов, работа с большими объёмами данных;

• опыт работы с библиотеками для анализа данных;

• опыт применения градиентного бустинга;

• глубокое понимание метрик, работы с дисбалансом классов и временными рядами;

• глубокое знание PyTorch, Transformers и экосистемы HuggingFace;

• опыт построения RAG-пайплайнов и создания AI-агентов;

• опыт fine-tuning LLM;

• опыт работы с векторными базами данных;

• опыт работы с реляционными и аналитическими СУБД;

• опыт визуализации данных.

Условия:

• конкурентный уровень з/п (обсуждается индивидуально);
• работа в крупной и стабильной компании – в структуре самой большой ОЭЗ в Европе;
• транспорт до работы из г. Елабуга, г. Набережные Челны, г. Нижнекамск;
• полис добровольного медицинского страхования;
• предоставление платного жилья для иногородних;
• гарантия профессионального роста;
• амбициозная, проектно-ориентированная команда;
• командные и спортивные игры, реализация нестандартных задач;
• карьерный рост при наличии и обретении в процессе работы необходимых компетенций.