Мы ищем Machine Learning Engineer с сильной экспертизой в разработке и внедрении ML-моделей, программировании на Python и работе с облачной инфраструктурой.
Идеальный кандидат должен уметь проектировать и строить end-to-end пайплайны машинного обучения, контейнеризировать приложения с использованием Docker и разворачивать решения в облачной среде. Также важно умение декомпозировать сложные бизнес-задачи на ML-задачи и оценивать, действительно ли машинное обучение является оптимальным решением.
Эта роль подойдет специалистам, которые умеют работать hands-on, обладают аналитическим мышлением и прагматично применяют ML-решения для реальных бизнес-задач.
Обязанности
– Проектирование, разработка и внедрение моделей машинного обучения для задач предиктивной аналитики, классификации, NLP и других data-driven задач.
– Построение data pipelines для загрузки данных, предобработки, feature engineering и обучения моделей.
– Контейнеризация ML-моделей и приложений с использованием Docker для масштабируемого и воспроизводимого деплоя.
– Развертывание и поддержка ML-решений в облачных средах (AWS/GCP).
– Оптимизация производительности моделей, задержек (latency) и использования ресурсов для real-time или batch-инференса.
– Мониторинг и устранение проблем с ML-моделями в production-среде, обеспечение надежности и стабильности работы.
– Взаимодействие с data-engineers, разработчиками и бизнес-стейкхолдерами для определения требований и интеграции ML-моделей в production-системы.
– Проведение тщательной оценки моделей с использованием соответствующих метрик для обеспечения производительности и fairness.
– Анализ необходимости применения машинного обучения для конкретной задачи или выбор альтернативных подходов (например, rule-based или статистических методов).
Требования
Технические навыки
Machine Learning & AI
– Глубокое понимание методов машинного обучения (supervised и unsupervised learning), NLP, основ deep learning и методов оценки моделей.
Программирование
– Уверенное владение Python, включая библиотеки и фреймворки: TensorFlow, PyTorch, Scikit-Learn, Pandas, NumPy.
Docker и контейнеризация
– Опыт контейнеризации ML-приложений с использованием Docker.
Облачные платформы
– Опыт работы хотя бы с одним облачным провайдером (AWS или GCP).
Работа с данными и пайплайнами
– Опыт работы с большими датасетами, базами данных SQL/NoSQL и ETL-процессами.
Аналитическое мышление и решение задач
– Умение разбивать сложные задачи на структурированные ML-задачи.
– Способность определить, действительно ли необходим ML, или более эффективным будет более простое решение (например, эвристические правила или статистические методы).
– Сильные навыки отладки, оптимизации и улучшения моделей с точки зрения производительности и интерпретируемости.
Командная работа и коммуникация
– Умение эффективно работать в кросс-функциональных командах (data engineers, software developers, product managers).
– Способность понятно объяснять технические концепции нетехническим участникам проекта.
– Документирование и поддержка ML-workflow для обеспечения воспроизводимости и масштабируемости.
Будет плюсом
– Понимание бизнес-влияния ML-моделей и умение связывать их с целями компании.
– Опыт работы с feature stores, model registries и управлением жизненным циклом ML-моделей.
Обязательные навыки
– Machine Learning
– Python
– Docker
– AWS
– SQL
Обязательные языки
– Английский язык
Условия работы
– Удаленная работа с гибким графиком (ориентация на часовой пояс EST).
– Работа в команде, ориентированной на решение задач и инновации.
– Возможность работать над разнообразными задачами в области машинного обучения и участвовать в построении end-to-end ML-пайплайнов.
