ML Engineer

Вы будете работать с старшими инженерами над внутренними классическими инициативами машинного обучения. Роль сочетает структурированное обучение, практическую доставку и постепенное владение всё более сложными задачами.

• Подготовка и проверка структурированных наборов данных для задач машинного обучения, включая очистку, трансформацию, кодирование, масштабирование и обработку пропущенных значений;
• Проведение исследовательского анализа данных для выявления закономерностей, проблем качества данных и возможностей моделирования;
• Создание, тестирование и сравнение ML‑моделей для задач регрессии, классификации, кластеризации, снижения размерности и обнаружения аномалий;
• Разработка и отбор признаков под руководством старших инженеров;
• Проведение экспериментов, настройка параметров модели и оценка результатов с использованием соответствующих подходов валидации и метрик;
• Помощь в поддержке воспроизводимых ML‑конвейеров, ноутбуков, отслеживания экспериментов и технической документации;
• Написание и поддержка автоматических тестов для кода, связанного с данными и моделями;
• Поддержка доставки моделей через REST APIs или пакетные рабочие процессы;
• Документирование предположений модели, результатов, ограничений и технических решений;
• Тесное взаимодействие со старшими инженерами, внедрение обратной связи и постепенное взятие на себя более сложных задач;

• 1+ год практического опыта разработки на Python, включая работу с pandas, NumPy, scikit-learn и Jupyter;
• Твёрдая база в статистике, теории вероятностей и линейной алгебре, а также навыки исследовательского анализа данных;
• Понимание контролируемого и неконтролируемого обучения и практический опыт в регрессии, классификации, кластеризации, снижении размерности и обнаружении аномалий;
• Опыт подготовки структурированных наборов данных, включая очистку, трансформацию, кодирование, масштабирование и обработку пропущенных значений, а также практические навыки инженерии признаков и их отбора;
• Понимание разбиения train/validation/test, кросс‑валидации, утечки данных, переобучения и регуляризации; умение выбирать подходящие метрики оценки, сравнивать модели и проводить анализ ошибок;
• Знакомство с настройкой гиперпараметров и воспроизводимыми ML‑конвейерами;
• Навыки работы с SQL для извлечения и анализа данных;
• Способность предоставлять модели через REST APIs или пакетные рабочие процессы;
• Знакомство с Git, автоматическим тестированием, Docker и базовым мониторингом моделей;
• Умение объяснять поведение модели, её предположения, ограничения и результаты;
• Английский на уровне B2 или выше;

• XGBoost, анализ временных рядов, рекомендательные системы, MLflow, интерпретируемость моделей, облачные сервисы, мониторинг ML в продакшене, а также опыт работы с GenAI, LLM, RAG, prompt-engineering или разработкой агентов;

• Техническое и нетехническое обучение для профессионального и личного роста;
• Внутренние конференции и митапы для обучения у экспертов отрасли;
• Поддержка и наставничество от опытного сотрудника, помогающего вашему профессиональному развитию;
• Медицинская страховка;
• Спортивные мероприятия для поддержания здорового образа жизни;
• Гибкие варианты работы, включая удалённые и гибридные возможности;
• Программа рекомендаций за привлечение новых талантов;
• Программа годовщины работы и дополнительные дни отпуска.