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.
Похожие вакансии