ML / DS Engineer (Classic ML)

Задачи: — Разработка и внедрение моделей классического машинного обучения, включая градиентный бустинг (LightGBM, XGBoost, CatBoost), логистическую регрессию, случайный лес и линейные модели. — Решение бизнес-задач: кредитный скоринг, прогнозирование оттока, оценка рисков, рекомендательные системы на основе коллаборативной фильтрации, прогнозирование временных рядов. — Создание и отбор признаков (feature engineering), работа с большими объёмами структурированных данных с использованием SQL, Spark и Pandas. — Построение пайплайнов обучения и валидации с учётом требований к интерпретируемости моделей (SHAP, LIME, Feature Importance). — Разработка пайплайнов для A/B-тестирования и мониторинга моделей после релиза, включая отслеживание дрейфа данных и целевой переменной. — Интеграция моделей в продуктовую среду через API (FastAPI, Flask) и оркестрацию с использованием Docker и Kubernetes. — Взаимодействие с заказчиком: уточнение бизнес-метрик, презентация результатов и написание технической документации. Требования: — Коммерческий опыт разработки в области Data Science / ML. — Глубокие знания Python и библиотек pandas, numpy, scikit-learn, а также одного из фреймворков для градиентного бустинга (LightGBM, XGBoost, CatBoost). — Уверенное владение SQL, включая написание сложных запросов и работу с большими данными (ClickHouse, PostgreSQL, Greenplum или аналоги). — Понимание метрик качества для задач классификации, регрессии и ранжирования: precision/recall, ROC-AUC, lift, MAP, NDCG. — Опыт построения end-to-end ML-пайплайнов от выгрузки данных до деплоя и мониторинга. — Знание MLOps-инструментов: MLflow, DVC, опыт работы с CI/CD для ML-проектов. — Опыт с uplift-моделированием, включая методы оценки индивидуального эффекта воздействия (causal models, Meta-learners, модели на основе деревьев решений). — Опыт в кредитном скоринге, включая построение скоринговых карт, работу с бюро кредитных историй и требования регуляторов к интерпретируемости. — Практический опыт применения AI-инструментов (Claude Code, OpenAI Codex, OpenCode и аналоги) в коммерческой разработке для работы с кодом, тестами, ревью и документацией с обязательной проверкой результата и соблюдением конфиденциальности. Условия: — Удалённая работа.