ML Engineer

Чем предстоит заниматься:

• Разрабатывать и внедрять AI/LLM-решения для CRM/XRM сценариев, включая assistants, copilots, retrieval QA, extraction и summarization;
• Строить и развивать ML/AI-сценарии для ключевых задач CRM/XRM: uplift, churn, propensity, reactivation, recommendations, next-best-action;
• Оптимизировать канал, время и механику коммуникации на основе данных, моделей и AI-подходов;
• Анализировать поведение пользователей, строить сегменты и сигналы для CRM/XRM сценариев, участвовать в risk / anomaly use cases;
• Совместно с продуктом, маркетингом и аналитикой формулировать и проверять гипотезы, определять метрики успеха и ограничения;
• Работать с большими объемами данных: события, транзакции, клиентские профили, признаки для scoring / ranking / decisioning задач;
• Участвовать в планировании A/B-тестов и оценке инкрементального эффекта, обеспечивать интерпретируемость решений для бизнеса;
• Поддерживать production lifecycle решений: подготовка данных, обучение, внедрение, мониторинг и развитие после запуска.

Ключевые требования:

• Опыт проектирования, разработки, вывода в production и развития после запуска ML/AI-решений, включая AI / LLM use cases;
• Практический опыт построения AI/LLM-систем: assistants, copilots, retrieval QA, extraction /summarization, RAG, orchestration, evaluation, guardrails, observability;
• Опыт оценки влияния решений на бизнес-метрики через A/B-тесты, holdout, uplift-подходы или иные подходы к оценке инкрементального эффекта;
• Понимание процессов контроля качества данных и production monitoring: drift, data quality, training-serving skew, стабильность скоринга, мониторинг после запуска;
• Умение совместно с продуктом, маркетингом и аналитикой формулировать требования, выбирать подход и интерпретировать результат для бизнеса;
• Опыт построения ML/AI-сценариев, влияющих на бизнес-метрики: uplift, churn, propensity, reactivation, recommendations, next-best-action;
• Опыт работы с embeddings и vector databases.

Отдельный плюс:

• Опыт проектирования RAG-сценариев, evaluation pipeline, guardrails и observability для AI/LLM-решений;
• Опыт safe rollout практик: canary, fallback, rollback, post-launch monitoring.

Технологии и стек:
Языки: Python, SQL;
ML-стек: scikit-learn, LightGBM, PyTorch, MLflow;
AI/LLM-стек: APIs, embeddings, vector databases, LLM orchestration, evaluation, observability;
Data stack: ClickHouse, PostgreSQL, MongoDB, AirFlow;
Инфраструктура: Docker, Git, CI/CD;
BI: Superset, Tableau - будет плюсом.​​​​​​​​​​​​​​

​​​​​​​Что компания может предложить:

• Возможность развивать свои компетенции и применять знания на практике;
• Возможность поработать на крупных проектах;
• Компания заинтересована в развитии своих сотрудников: готовы привлекать наставников и оплачивать курсы для повышения квалификации;
• Отсутствие бюрократии, быстрое согласование необходимых вещей;
• Оплачиваемые лист нетрудоспособности (больничный лист) и отпускные;
• ДМС после 6 месяцев работы;
• Частичная компенсация английского языка или психолога (на выбор);
• Компенсация спортзала;
• 4 day-off в год за счет компании;
• Компания поддерживает сотрудника в важные периоды жизни;
• Новогодняя премия до 1-го оклада;
• Молодой коллектив, средний возраст в компании- 27 лет;
• Большая высококвалифицированная команда, к которой всегда можно обратиться за помощью.