Обязанности:

1. Работа с данными и проектирование признаков (Feature Engineering)
Сбор и интеграция: получение структурированных и неструктурированных данных из различных источников (базы данных, API, лог-файлы, стримы).
Очистка и подготовка: обработка пропусков, аномалий, приведение данных к единому формату для анализа.
Проектирование признаков: преобразование «сырых» данных в информативные признаки (features) — нормализация, кодирование категориальных переменных, создание производных признаков (например, извлечение дня недели из даты, векторизация текста).
2. Разработка, обучение и валидация моделей
Выбор и применение алгоритмов: эксперименты с различными методами (линейные модели, ансамбли на основе деревьев, нейронные сети) для решения задачи.
Обучение и тонкая настройка: проведение экспериментов, подбор гиперпараметров, кросс-валидация.
Оценка качества: анализ моделей с использованием бизнес- и статистических метрик (Accuracy, Precision/Recall, ROC-AUC, RMSE), выбор оптимального решения.
3. Промышленное внедрение и инженерия (MLOps)
Производственный деплой: интеграция модели в продуктивную среду — разработка микросервисов (REST/gRPC API), контейнеризация (Docker), оркестрация (Kubernetes).
Построение ML-пайплайнов: автоматизация процессов обучения, валидации и деплоя с использованием инструментов (MLflow, Kubeflow, Airflow).
Оптимизация производительности: ускорение inference (квантование, дистилляция, использование специализированных библиотек), работа с ресурсами GPU/CPU.
4. Эксплуатация, мониторинг и поддержка
Мониторинг в production: отслеживание качества предсказаний (data drift, concept drift), метрик производительности и стабильности сервиса (латентность, uptime).
Техническая поддержка и итеративное развитие: оперативное устранение инцидентов, переобучение и обновление моделей по мере изменения данных или бизнес-требований.
Ведение документации по коду, архитектуре и процессам.
5. Межфункциональное взаимодействие
Коммуникация с бизнесом и аналитиками: перевод бизнес-задач на технический язык, презентация результатов.

Требования:

Высшее образование в области математики, CS, физики или смежной технической дисциплины будет Вашим преимуществом

Условия:

Пятидневная рабочая неделя
Официальное трудоустройство

ML-инженер

По договоренности

Вакансия в подборках