ML Engineer

Задачи: — разработка production-моделей для бизнес-задач, включая прогнозирование, классификацию, детектирование аномалий и анализ временных рядов; — участие в запуске ML-проектов полного цикла: от постановки задачи совместно с заказчиком и подготовки данных и признаков до обучения, валидации моделей, вывода в прод и оценки влияния на бизнес-метрики; — проектирование и обучение моделей на классическом ML-стеке (gradient boosting, linear models, ensemble methods); — разработка пайплайнов обработки данных, feature engineering и валидации моделей; — оценка рисков применения ML-решений с учётом специфики бизнес- и технологических процессов; — исследование современных подходов в области tabular ML, forecasting и anomaly detection. Требования: — уверенное знание Python; — владение Pandas, NumPy, Scikit-learn; — опыт с XGBoost, LightGBM, CatBoost; — работа с временными рядами и прогнозированием с использованием Statsmodels, Prophet, Sktime, Skforecast; — знание классических методов ML: деревья решений, бустинг, линейные модели, кластеризация, снижение размерности; — статистика и интерпретация экспериментов (A/B, hold-out, cross-validation); — умение работать с SQL; — опыт работы с Git; — опыт вывода ML-моделей в прод и построения воспроизводимых экспериментов; — высшее техническое образование в области Computer Science, прикладной математики, AI/ML или смежных областей; — опыт использования Apache Spark (PySpark) для обработки больших данных; — продуктовое мышление и понимание влияния модели на бизнес-метрики; — готовность искать точки роста, предлагать нестандартные решения и отстаивать их на встречах с заказчиком; — хорошие навыки коммуникации и работы в команде. Будет плюсом: — опыт работы с DVC, MLflow, Airflow, Docker и Kubernetes.