ML Engineer

#DS #datascientist #ml #mlengineer  #vacancy #job #вакансия
 
 
 
Data Scientist (ML Engineer)

#Проект:

#Условия:
- Клиент: Пищевая промышленность
- Занятость: полная
- Локация: РФ
- Гражданство: РФ
- Рабочий график: МСК ± 2
- Формат: Удаленно

#Позиция:

- Роль: Data Scientist
- Уровень: Middle/Senior
- Количество: 1
- Английский: Intermediate

#Обязательно:

- Уверенное знание Python и SQL;
- Хорошее понимание методов машинного обучения и математической статистики: линейные модели, Random Forest, градиентный бустинг;
- Практический опыт работы с временными рядами: подготовка данных, прогнозирование, оценка качества и кросс-валидация;
- Опыт работы с библиотеками градиентного бустинга: XGBoost, LightGBM или CatBoost;
- Знание методов математической и дискретной оптимизации: LP, MILP / MIP;
- Практический опыт работы хотя бы с одним из инструментов оптимизации: Pyomo, OR-Tools, PuLP или аналоги;
- Опыт использования оптимизационных решателей: Gurobi, CPLEX, SCIP, COPT, GLPK или аналоги;
- Опыт разработки ML-решений от анализа данных и построения модели до рабочего прототипа;
- Уверенное владение Git.

#Желательно:

- Опыт применения продвинутых моделей прогнозирования временных рядов: Prophet, LSTM, DeepAR или аналогов;
- Опыт работы с большими данными и Data-инфраструктурой: Spark / PySpark, S3;
- Опыт интеграции ML-моделей в сервисы и понимание базового MLOps: FastAPI, Docker, CI/CD, KubeFlow или аналоги;
- Опыт написания unit- и integration-тестов, понимание ООП;
- Опыт в FMCG / Supply Chain / Demand Planning / Forecasting / ERP / APS.

#Задачи:

- Сбор, очистка и подготовка данных из различных источников для дальнейшего анализа;
- Проведение первичного анализа данных: выявление закономерностей и аномалий, создание визуализаций;
- Разработка и внедрение моделей машинного обучения (включая регрессию, классификацию и кластеризацию), особый фокус на разработку моделей, связанных с временными рядами;
- Разработка оптимизатора, основанного на линейной и смешанно-целочисленной оптимизации, LP, MILP;
- Оценка качества моделей, настройка гиперпараметров и проведение кросс-валидации;
- Участие в интеграции моделей в бизнес-процессы компании;
- Подготовка аналитических отчетов;
- Эффективное взаимодействие с представителями бизнеса и техническими командами;
- Улучшение текущих подходов и изучение новых инструментов и алгоритмов.

#Важно, резюме должно отражать:
- Расписано, чем занимался на каждом проекте
- Указаны навыки и программы которые использовались

Жду ваши резюме здесь @mary_shimoff

ID 3424
Data Scientist
Senior
РФ/РБ

Загрузка специалиста Full-time

• Количество позиций: 1
• Гражданство: РФ / дружественные страны
• Формат работы: удалённо

❗️Обязательные данные по кандидату при подаче: ❗️
● Дата рождения
● Оценить требования ДА/НЕТ, в соответствии с наличием опыта.
● ВСЕ ТРЕБОВАНИЯ ИЗ ЗАПРОСА ОТРАЖЕНЫ В ПРОЕКТАХ РЕЗЮМЕ

Описание проекта:

Разработка AI-ассистентов и функциональных агентов в рамках PoC для проверки AI-гипотез. Проект включает NLP, работу с LLM, RAG, векторными базами, GPU/CPU-инфраструктурой, контейнеризацией и ML-инструментами.

Задачи на проекте:

● Разработка AI-ассистентов и функциональных агентов.
● Участие в реализации и проверке PoC для AI-гипотез.
● Работа с NLP и LLM.
● Запуск моделей на GPU и CPU.
● Контейнеризация ML/AI-решений.
● Работа с Jenkins.
● Работа с векторными базами и embeddings для RAG.
● Реализация function calling.
● Работа с KServe.
● Работа с BERT-подобными моделями.
● Разработка и применение эвристик.
● Квантизация LLM.
● Построение evals для LLM-систем.
● Оценка качества ответов, контроль галлюцинаций и мониторинг поведения AI-систем.

Требования:

● Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль автономности и human-in-the-loop.
● Глубокое понимание принципов машинного обучения: подготовка данных и признаков, выбор моделей, регуляризация, переобучение, data leakage, интерпретация результатов.
● Знание математической статистики: проверка гипотез, доверительные интервалы, дизайн и анализ A/B-тестов.
● Понимание оценки качества ML-систем: offline/online-метрики, валидация, оценка бизнес-эффекта, мониторинг качества моделей и данных.
● Опыт хотя бы в одном направлении: классическое ML, временные ряды и прогнозирование, рекомендательные системы, поиск и ранжирование, NLP/LLM/GenAI.
● Уверенное владение Python.
● Знание pandas или Polars, NumPy, scikit-learn.
● Опыт работы с CatBoost / LightGBM / XGBoost.
● Опыт работы с PyTorch или аналогичными инструментами.
● Умение писать поддерживаемый production-код: модульная архитектура, тестирование, логирование, документация.
● Опыт работы с Git и участия в code review.
● Уверенное владение SQL.
● Опыт построения evals для LLM-систем.
● Опыт оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы.
● Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента.
● Опыт работы с API языковых моделей.
● Опыт работы с Hugging Face и orchestration-фреймворками.
● Умение оценивать стоимость, latency и масштабируемость LLM-решений.
● Опыт работы в e-commerce, retail или других продуктовых highload-системах.
● Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.
● Опыт эксплуатации GPU-инфраструктуры и оптимизации inference.
● Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT.
● Опыт проектирования agentic workflows или multi-agent-систем.
● Понимание принципов информационной безопасности, privacy и работы с персональными данными.
● Практические знания NLP.
● Опыт работы с векторными базами и embeddings для RAG.
● Опыт работы с KServe.
● Опыт работы с BERT-подобными моделями.
● Опыт квантизации LLM.

❗️❗️❗️Писать @veroneko⚡️⚡️⚡️⚡️ С РЕЗЮМЕ В КОТОРОМ УКАЗАН ВОЗРАСТ И ЛОКАЦИЯ НАХОЖДЕНИЯ. Укажите 🆔 вакансии❗️ Без этой информации отклики не рассматриваются ❗️❗️