ML-researcher / ML-engineer (Python)

Привет, легенда!

Мы — группа компаний Небус, развиваем финансовые технологии и МКК. Наш бизнес растёт, и мы усиливаем команду для новых задач. Приглашаем в команду SEO, который разделяет активный подход и ценит уважительную атмосферу в коллективе 🤍

Что мы предлагаем?

+ Конкурентоспособную заработную плату по итогам прохождения технического собеседования;

+ Полностью удаленная работа, можно работать из любой точки мира;

+ Рабочий график 5/2;

+ Оформление по договору ГПХ или по ИП РФ;

+ Оплачиваемые отпуска и больничные

+ Геймифицированная корпоративная культура

+ Поездки и встречи в разных городах

+ Команда на драйве, фанаты своего дела и сильное окружение, с которым ты растешь только вперед!

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).

Ловишь мэтч? Оставляй отклик!