Обязанности:
Prosche.AI — российская аккредитованная ИТ-компания, которая разрабатывает собственную AI-платформу DMP.ONE, помогающую бизнесу расти за счёт данных, автоматизации коммуникаций и AI-решений. Сегодня мы: 120+ сотрудников; 34 000+ пользователей; 100 000+ реализованных проектов; оператор персональных данных; резидент Сколково и аккредитованная IT-компания. Сейчас компания находится в фазе активного роста и масштабирования, а данные становятся одним из ключевых активов бизнеса. Ключевой вызов Мы создаём новое ML-направление внутри data-продукта и ищем инженера, который поможет превратить большие массивы данных в реальные бизнес-результаты. Наша задача — не просто строить модели ради высоких метрик в ноутбуке, а создавать ML-системы, которые влияют на: выручку; конверсию; качество продукта; маржинальность; retention и LTV клиентов. Кого мы ищем Мы ищем ML Engineer, который сможет работать на стыке: Machine Learning; Backend Development; Data Engineering; Product Analytics. Нам нужен специалист, который умеет доводить решения до production и понимает, как ML влияет на бизнес-метрики компании. Что мы предлагаем: Реальное влияние на продукт Сложные и интересные задачи Быстрый путь от идеи до production Возможность развивать ML-направление Работа рядом с бизнесом Дополнительно удалённый формат работы; гибкий график; сильная техническая команда; современный стек технологий; оформление по ТК РФ, ИП или самозанятости; конкурентный уровень дохода. Наш технологический стек Используем: Python, SQL, PostgreSQL, FastAPI, Docker, pandas, scikit-learn, CatBoost, LightGBM, XGBoost. Будет плюсом:ClickHouse, Airflow, MLflow, MLOps-практики. Что предстоит делать На старте: Разрабатывать ML-модели для скоринга данных. Строить модели оценки качества, валидности и ценности данных. Решать задачи дедупликации, нормализации и обогащения данных. Создавать matching-модели для определения наиболее релевантных сегментов и клиентов. Разрабатывать пайплайны feature engineering, обучения и инференса моделей. Внедрять модели в production-сервисы. Анализировать влияние моделей на продуктовые и финансовые показатели. Далее: Развитие ML-инфраструктуры компании. Построение сервисов автоматического принятия решений на основе данных. Разработка новых алгоритмов скоринга и рекомендаций. Создание витрин данных для аналитики и продуктовых команд. Участие в развитии data-продуктов компании. Что для нас важно Опыт: Опыт коммерческой ML-разработки от 3 лет. Опыт работы с табличными данными и построением ML-моделей. Опыт разработки production ML-сервисов. Уверенное владение Python и SQL. Опыт построения scoring, classification или ranking моделей. Будет большим плюсом: Опыт работы в MarTech, AdTech, SaaS, e-commerce или Data Products. Опыт построения MLOps-процессов. Опыт оценки экономического эффекта моделей. Что говорят сотрудники: «Здесь можно быстро запускать идеи в production, видеть результат своей работы и реально влиять на развитие продукта. Решения принимаются быстро, а вклад каждого специалиста заметен». Если вам интересны задачи на стыке Machine Learning, Data Engineering и продукта, а также возможность создавать ML-системы, которые влияют на реальные бизнес-показатели — откликайтесь. После отклика мы направим короткую анкету и пригласим на знакомство с командой.Похожие вакансии
Специалист по ML / Data Science / машинному обучению / Junior Machine Learning Engineer
Договорная
Москва
Банк Русский Стандарт