NLP Engineer (Python)

Analytix ищет ML Engineer для развития ML-модуля аналитической B2B-платформы в сфере iGaming.

Задачи

— разрабатывать модели оттока, LTV, VIP-потенциала и ответственной игры;

— прогнозировать ключевые показатели операторов;

— формировать признаки из событий игроков в ClickHouse;

— выстраивать воспроизводимые пайплайны обучения и батч-скоринга;

— регистрировать модели и эксперименты в MLflow;

— сравнивать модели с baseline и исключать утечки данных;

— работать с временными рядами;

— объяснять прогнозы с помощью SHAP и аналогичных инструментов;

— контролировать качество моделей и дрейф данных;

— документировать решения для дальнейшей интеграции инженерной командой.

Требования

— от 4 лет опыта в прикладном ML или Data Science;

— опыт запуска ML-моделей в production;

— уверенный Python, SQL, pandas или polars;

— опыт со scikit-learn и LightGBM, CatBoost или XGBoost;

— знание классификации, регрессии и временных рядов;

— понимание временной валидации, защиты от утечек, калибровки и дисбаланса классов;

— опыт с ClickHouse или другой колоночной СУБД;

— опыт с MLflow или аналогичными инструментами;

— Docker, Git, тестирование и код-ревью;

— умение самостоятельно планировать работу и передавать документированный результат;

— английский от B2, свободный русский.

Будет преимуществом

— опыт в iGaming, betting или другом продукте с большим количеством пользовательских событий;

— опыт с churn, LTV, VIP-сегментацией и промомеханиками;

— survival analysis, uplift-моделирование или причинный анализ;

— опыт работы с SHAP, LIME и LLM;

— запуск ML-направления с нуля.

Стек

Python 3.12, scikit-learn, LightGBM, CatBoost, XGBoost, ClickHouse, SQL, MLflow, pandas, polars, Docker, SHAP, Git.

Условия

— удалённая работа;

— part-time, 20 часов в неделю;

— возможность перехода на full-time;

— старт как можно раньше.

Ищем ML Researcher с сильной математической базой и исследовательским мышлением.

Нам нужен специалист, который умеет не просто обучать модели, а находить закономерности в данных, проверять гипотезы и отличать реальные результаты от случайных.

Чем предстоит заниматься

• Исследовать финансовые временные ряды и рыночные данные.
• Разрабатывать ML-модели для прогнозирования и поиска торговых сигналов.
• Формулировать и проверять гипотезы.
• Проводить backtesting и walk-forward validation.
• Исключать data leakage, look-ahead bias и переобучение.
• Оценивать устойчивость моделей на новых данных.

Что важно

• Сильная база в математике, теории вероятностей и статистике.
• Знание ML: линейные модели, boosting, основы Deep Learning.
• Python, NumPy, pandas, scikit-learn, CatBoost / LightGBM.
• Умение самостоятельно проводить исследования и критически оценивать результаты.

Особенно интересны кандидаты с одним из трёх преимуществ

1. Сильное образование: МФТИ, ВШЭ (ФКН, матфак), МГУ (ВМК, мехмат), СПбГУ (матмех), ШАД.

2. Достижения в соревнованиях: Kaggle, Codeforces, ICPC, математические и алгоритмические олимпиады.

3. Опыт Quant Research / HFT: разработка торговых стратегий, работа с рыночными данными, поиск сигналов и бэктестинг.

Достаточно соответствовать хотя бы одному из этих направлений.

Будет плюсом

PyTorch, SQL, Docker, MLflow, C++ / Rust, исследовательские публикации и собственные ML-проекты.

Опыт в алгоритмическом трейдинге не обязателен. Рассматриваем в том числе сильных студентов и начинающих исследователей.

Условия

• Полностью удалённая работа, full-time.
• Интересные исследовательские задачи.
• Минимум бюрократии.
• Зарплата обсуждается индивидуально, жёсткой вилки нет.
• Выплаты в USDT еженедельно.