Обязанности:
Ключевые задачи: Вести ML-проекты end-to-end: постановка задачи ⟶ решение ⟶ тест ⟶ прод ⟶ поддержка Совместно с дата инженерами формировать датасеты и требования к данным, оценивать реализуемость, риски и ограничения Совместно с дата аналитиками участвовать в дизайне и анализе A/B-тестов: метрики, сплиты, интерпретация результатов, рекомендации по выкатке решений Разрабатывать и обучать модели (classic ML + DL), в т.ч. решения на эмбеддингах текста и изображений; проводить offline-оценку и анализ ошибок Передавать модель и код в продакшен (Python-сервис), сопровождать релизы и интеграции Отвечать за качество модели после запуска: метрики, мониторинг, дрейф/деградации, план улучшений и регламенты поддержки Требования: Опыт ведения ML-проектов end-to-end в продакшене (от постановки до поддержки) Отличное понимание классического ML: feature engineering, бустинги, классификация/регрессия, кросс-валидация, подбор порогов, калибровка Опыт с DL (PyTorch/TensorFlow): понимание принципов fine-tuning, инференс моделей Python (production-качество): читаемый код, тесты на критичные компоненты, понимание упаковки модели/артефактов и интеграции в сервис Понимание мониторинга ML: метрики качества, дрейф, алерты, диагностика и регламенты поддержки SQL на уровне самостоятельной сборки датасетов (joins, window functions) Опыт с интерпретируемостью и анализом ошибок модели MLflow / W&B / DVC или аналогичные инструменты трекинга экспериментов Оркестрация/пайплайны (Airflow/Prefect/Dagster) и продвинутые data-процессыПохожие вакансии