Senior ML Engineer / Senior Data Scientist
Коротко
Owns full ML cycle from business problem to production, builds scalable ML pipelines and microservices, implements CI/CD for models, integrates ML services · Needs: 3+ years in commercial ML, technical or mathematical higher education, Python, Git, unit/integration tests, CI/CD, Scikit-learn, XGBoost/LightGBM/CatBoost
Описание от работодателя
О позиции
Опыт: от 3 лет в коммерческой ML-разработке.
Образование: высшее — техническое или математическое.
Локация/Формат: Ташкент, офис.
Занятость: Полная 5/2.
Задачи на испытательный срок (3 месяца)
Выполнить первичный анализ данных и рассчитать бизнес-эффект от внедрения ML-решения.
Разработать, протестировать и вывести в прод модель прогнозирования финансовой активности по транзакциям.
Автоматизировать пайплайн модели (регламентное обновление) и защитить результаты перед стейкхолдерами.
Обязанности
Полный цикл ML — от бизнес-постановки и проектирования витрин данных до выбора архитектур (Classic ML, DL, Transformer, LLM/RAG).
Построение масштабируемых ML-пайплайнов и микросервисов. Внедрение практик CI/CD для моделей, версионирование данных/экспериментов, обеспечение воспроизводимости кода.
Формирование требований к ETL/DWH, интеграция ML-сервисов в инфраструктуру компании.
Перевод продуктовых задач в ML-метрики, оценка рисков, защита результатов перед бизнесом, участие в планировании бэклога и релизов.
Стек и технические навыки
Python (типизированный, промышленный код), Git, Unit/Integration tests, CI/CD.
ML/DL: Scikit-learn, XGBoost/LightGBM/CatBoost, PyTorch (классификация, регрессия, sequence-модели).
SQL, pandas, polars, PySpark (обработка больших массивов данных).
Docker, Kubernetes, Airflow / Kubeflow Pipelines / Prefect / Dagster.
Мат. аппарат: Статистический вывод, доверительные интервалы, дизайн и оценка A/B-тестов.
Плюс (желательно): Hugging Face, LangChain, векторные БД.
Языки:
Русский: Свободный.
Английский: Работа с технической литературой, статьями и документацией.