ML-инженер

Мы ищем ML-инженера, который будет разрабатывать и внедрять модели машинного обучения для задач прогнозирования. Вы присоединитесь к команде, которая строит системы, помогающие бизнесу принимать решения на основе данных, а не интуиции.

Чем предстоит заниматься:

• Разрабатывать и обучать модели прогнозирования временных рядов — спрос, продажи, остатки, поведение пользователей и другие бизнес-метрики. Использовать как классические подходы (XGBoost, LightGBM, Prophet, ARIMA/SARIMA), так и методы глубокого обучения (LSTM, GRU, Transformer, TFT).

• Проектировать и оптимизировать пайплайны подготовки данных для временных рядов: feature engineering, генерация лагов, работа с внешними факторами, обработка пропусков и аномалий.

• Настраивать ML-эксперименты, логировать метрики и управлять жизненным циклом моделей с помощью MLflow или аналогичных инструментов.

• Внедрять модели в production — развертывание, настройка API для инференса, A/B-тестирование, мониторинг качества и обнаружение дрифта моделей.

• Проводить оценку качества моделей, выбирать и анализировать метрики прогнозирования, оптимизировать модели с точки зрения производительности и масштабируемости.

• Взаимодействовать с бизнес-командами и аналитиками — формализовать задачи прогнозирования, оценивать бизнес-эффект моделей.

Что мы ожидаем:

Обязательно:

• Опыт коммерческой разработки в ML/Data Science - от 1 года

• Отличное владение Python и основными библиотеками: pandas, numpy, scikit-learn, PyTorch или TensorFlow.

• Практический опыт в прогнозировании и анализе временных рядов — уверенное понимание моделей (Prophet, ARIMA/SARIMA, LSTM, XGBoost, LightGBM).

• Опыт работы с production ML-системами — деплой, мониторинг, переобучение моделей.

• Уверенное владение SQL — умение писать оптимальные запросы для работы с большими объёмами данных.

• Понимание принципов подготовки данных для временных рядов (feature engineering, обработка пропусков, нормализация).

• Опыт работы с Git, понимание CI/CD-пайплайнов и контейнеризации (Docker).

Будет плюсом:

• Опыт с инструментами MLOps: MLflow, DVC, AirFlow.

• Знание методов интерпретируемости моделей (SHAP, permutation importance, attention-based методы).

• Опыт работы с foundation-моделями временных рядов (Amazon Chronos, TimeGPT).

• Понимание байесовских методов и вероятностного прогнозирования.

• Опыт в ритейле, e-commerce, логистике или других областях с задачами прогнозирования.

Мы предлагаем:

• работу над enterprise‑решениями без избыточной бюрократии,
• свободу выбора инструментов, включая любые AI‑сервисы,
• ламповую, уважительную атмосферу в команде,
• конкурентную заработную плату,
• минимум формальных митингов и регламентов.