Senior ML Engineer (Offline Team) (Python)

Мы — команда, которая строит и развивает LLM-агентов для поддержки пользователей и внутренних бизнес-процессов. Делаем решения под ключ: от прототипов и экспериментов до промышленных сервисов с мониторингом качества, метриками и стабильной эксплуатацией.

Задачи

• Разрабатывать и развивать LLM-агентов: сценарии, инструменты (tools), оркестрацию, память, маршрутизацию, обработку ошибок и fallback-логики
• Проектировать и внедрять RAG: индексация, эмбеддинги, ретриверы, ранжирование, чанкинг, оценка качества поиска и ответа
• Интегрировать агентные решения в прод: сервисы, API, взаимодействие с Kafka/Redis и другими компонентами инфраструктуры
• Настраивать наблюдаемость и контроль качества: логирование/трейсинг, Langfuse, дашборды, алерты, анализ деградаций
• Проводить офлайн/онлайн-оценку качества: считать precision/recall/F1/F1-macro, строить датасеты, проводить A/B или квазиэксперименты, формулировать гипотезы улучшений
• Участвовать в улучшении пайплайнов данных и экспериментов: подготовка данных, разметка/валидация, хранение и воспроизводимость
• Писать поддерживаемый код: ревью, тесты, документация, CI/CD, участие в архитектурных решениях

Требования

• Уверенный Python (проектирование модулей, типизация, тестирование, работа с API/сервисами)
• Практический опыт работы с LLM/agentic-подходами: промптинг, tool calling, цепочки/графы, управление контекстом, обработка галлюцинаций и ограничений моделей
• Понимание и опыт оценки качества: precision/recall/F1, macro-F1, построение датасетов и интерпретация метрик
• Опыт построения или внедрения RAG (retrieval, embeddings, индексация, ранжирование, чанкинг, оценка retrieval-качества)
• Опыт разработки и эксплуатации сервисов: REST/gRPC, асинхронность, логирование, мониторинг, работа с Git
• Понимание очередей/кешей/хранилищ (Kafka, Redis или аналоги), опыт интеграций

Будет плюсом

• Опыт с LangGraph/LangChain, Langfuse (трейсинг, промпт-менеджмент, датасеты, evaluation)
• Опыт с YTsaurus или другими распределёнными системами хранения/обработки данных
• Опыт low-code/конструкторов пайплайнов и быстрых прототипов, доведение их до production
• Знание подходов к ранжированию, rerank, hybrid search, query rewriting, guardrails/safety
• Опыт A/B-тестов, построения продуктовых метрик и причинно-следственного анализа
• Опыт работы с контейнеризацией и деплоем (Docker/K8s), CI/CD

Мы — команда портфельного менеджмента Т-Лизинга. Отвечаем за развитие подходов к управлению портфелем: ищем возможности для роста, выстраиваем новые стратегии принятия решений и оптимизируем действующие.

В работе соединяем финансовую и риск-аналитику: развиваем NPV- и PD-модели, анализируем доходность и риски разных сегментов, запускаем продуктовые тесты и оцениваем их результаты. На основе данных и моделей помогаем принимать решения о дальнейшем развитии лизингового портфеля.

• Строить, поддерживать и развивать финансовые NPV- и LTV-модели
• Адаптировать модели под изменения лимитно-тарифной политики и финансовых параметров: капитала, фондирования, МПН, МПЛ и резервов
• Рассчитывать и анализировать метрики доходности продукта
• Анализировать сегменты портфеля с точки зрения рисков и доходности, находить зоны роста
• Учитывать результаты скоринговых моделей при построении NPV- и LTV-моделей
• Строить и обновлять поведенческие кривые для финансовых моделей
• Рассчитывать стресс-сценарии развития продукта с помощью NPV- и LTV-моделей
• Проектировать и проводить продуктовые тесты, анализировать результаты
• Взаимодействовать с командами бизнеса, финансов, разработки и юристами

• Знаете математическую статистику и теорию вероятностей на продвинутом уровне, умеете применять A/B-тесты
• Знаете альтернативные методы проверки гипотез: базовые ML-подходы, когортный анализ, синтетический контроль и другие
• Уверенно работаете с SQL и Python
• Понимаете механику работы финансовых продуктов, например кредитных, страховых или дебетовых
• Умеете анализировать данные о процессах, например взыскании или верификации
• Будет преимуществом: умение оценивать качество скоринговых моделей и калибровать их, понимание методологии NPV/LTV, финансовых потоков продукта и влияния поведенческих характеристик на них, знание метрик IRR и ROE, практический опыт построения или адаптации NPV/LTV-моделей под новые продукты, оценки влияния продуктовых изменений на модель, построения логики принятия решений с помощью NPV/LTV и проведения стресс-тестов финансовых моделей

• Гибридный график и офис у метро «Белорусская», в котором есть все что нужно: Т-Клиника, салон красоты, фитнес-зоны, комнаты для сна и медитации. Если захочется поработать на свежем воздухе — терраса с панорамным видом
• Возможность работы в аккредитованной ИТ-компании
• ДМС со стоматологией, включая чекапы, компенсацию покупки лекарств и льготные условия страхования для близких. Еще — страховка от несчастных случаев и болезней
• Рост по карьерному треку: проходите курсы по софт- и хард-скиллам, развивайтесь с поддержкой ментора и повышайте уровень с матрицей компетенций и регулярным ревью
• Сильное комьюнити. Вы будете работать с экспертами в своей области, сможете делиться знаниями и выступать на конференциях, посещать митапы и писать статьи
• Онлайн-консультации с психологами, юристами, специалистами по финансам и здоровому образу жизни
• Компенсацию затрат на спортивные абонементы, приложение Т-Спорта для онлайн-занятий и командные тренировки с коллегами
• Завтраки и обеды в Т-Кафе. В офисе есть ресторан и кофейни, на каждом этаже — кухня, где можно перекусить
• Три дополнительных дня к отпуску — можно использовать для отдыха или получить компенсацию
• Специальные тарифы на продукты Т-Банка и широкую программу скидок от партнеров
• Достойную зарплату — обсудим ее на собеседовании

About Bolt

Bolt is shaping a future where cities are built for people, not cars. What started as an ambitious project of a 19-year-old in 2013 has grown into a global mobility platform used by more than 200 million customers and 4.5 million driver and courier partners across 50 countries.

From ride-hailing and food delivery to scooters, e-bikes, and car-sharing, Bolt helps people move through cities every day. Small, autonomous teams drive this work, combining the speed and ownership of a startup with the scale of a global technology company backed by more than €1bn in funding.

And we're just getting started.

Why join Bolt?

• Build the future of mobility and help transform how people live and move in cities.

• Tackle challenges at scale that span technology, operations, regulation, and growth.

• Take real ownership early. Small, lean teams mean your decisions matter from day one, and you'll learn fast alongside some of the best people in the industry.

• Join one of Europe's leading technology companies, backed by world-class investors including Sequoia.

About the role

You'll join the Micromobility engineering group alongside software engineers, product managers, and data scientists, and work across the ML that runs the business.

You'll work across three lines, each with systems already in production and room for new work:

• Operations - the models that decide where vehicles are deployed and rebalanced and when their batteries get swapped;

• Scale - work involving image and sensor data meant to keep our riders safe and our business compliant with city regulations

• Pricing - deciding what’s the optimal way to price our product

You'll take ownership of specific models and projects within this portfolio, with the flexibility to contribute across domains as priorities evolve.

Working with product and engineering, you'll turn ambiguous business problems into production solutions, from defining success and evaluating models offline to testing their impact through online experiments. Your ownership will continue after launch, measuring and improving model performance and business outcomes.

Main tasks and responsibilities

• Take ownership of the ML systems you work on, from notebook prototype to deployed, monitored, retrained service: keep the mature ones healthy and build the new ones.

• Design, train, and deploy models across tabular, image, video and sensor data, choosing the right tool for each.

• Turn modelling output into operational and pricing rules with clear economics, and validate them through experiments and quasi-experimental analysis before they reach the fleet or the customer.

• Collaborate cross-functionally with Software Engineers, Data Scientists, Product Managers, Operations, and the ML Platform team to productionise and monitor ML solutions.

• Write the documentation, runbooks and diagnostics that let others operate and extend your systems.

About you

• Proven hands-on experience in building ML systems from end to end, including testing, monitoring, scaling, and measuring the impact; 5+ years in applied data science or ML engineering, ideally in a product setting.

• Strong engineering fundamentals: mastery of Python and SQL/PySpark, clean code practices, and experience with modern ML tooling and cloud infrastructure (AWS, SageMaker, Airflow, Docker, MLflow).

• Production experience with a deep learning framework (PyTorch, TensorFlow or JAX)

• Experience with experimentation design and causal inference, and the judgement to know when a significant result is not yet a final decision.

• Strong product sense and proactive ownership, with the ability to turn ambiguous problems into measurable solutions and drive them from discovery to production impact.

• Adaptable and comfortable wearing several hats in a small team: modelling, pipeline engineering, stakeholder work and mature system maintenance.

Why you'll love it here

• Play a direct role in shaping the future of mobility.

• Make an impact on millions of customers and partners across 850+ cities in 50+ countries.

• Work in fast-moving, autonomous teams with talented and supportive colleagues.

• Accelerate your professional growth with unique career opportunities.

• Receive a rewarding salary and stock option package that lets you focus on doing your best work.

• Enjoy the flexibility of hybrid working, with a minimum of (insert X) days in the office each week to foster strong connections and teamwork.

• Take care of your physical and mental health with our wellness perks.

Some perks may differ depending on your location and role.