ML-инженер / MLOps Engineer

Что предстоит делать

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!

• ✨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!