ML разработчик в TG @jobsearchhhhh удалённо

ML-инженер в управляющую компанию для разработки и оптимизации моделей машинного обучения, внедрения MLOps и интеграции моделей в продуктивную среду.

Задачи:

• Разработка и оптимизация моделей машинного обучения для решения бизнес-задач (прогнозирование, классификация, рекомендательные системы, обработка естественного языка / компьютерное зрение — в зависимости от проекта)
• Проектирование и внедрение пайплайнов обработки данных (ETL/ELT) для обучения и инференса моделей
• Настройка и поддержка CI/CD-пайплайнов для ML-моделей (MLOps), включая версионирование данных и моделей, автоматическое переобучение и мониторинг дрифта
• Интеграция моделей в продуктовую среду посредством REST API, брокеров сообщений или batch-процессов
• Проведение A/B-тестирования моделей, анализ их качества в реальном времени и формирование предложений по улучшению
• Участие в выборе архитектуры и технологического стека для новых AI-решений
• Документирование разработанных решений и обмен экспертизой внутри команды

Требования:

• Не менее 3 лет в роли ML Engineer либо на смежной позиции (например, Data Scientist с выраженным инженерным уклоном)
• Продвинутый уровень программирования на Python: написание чистого и модульного кода, работа с типизацией и асинхронным программированием
• Уверенное владение библиотеками scikit‑learn, pandas, NumPy
• Практический опыт работы с одним из фреймворков: PyTorch, TensorFlow или JAX
• Опыт написания сложных SQL‑запросов, включая оконные функции
• Знакомство с инструментами обработки больших данных: Spark (PySpark) или Dask
• Навыки оптимизации запросов
• Базовые навыки администрирования Docker и Kubernetes
• Работа с системами контроля версий (Git, DVC для управления данными)
• Настройка CI/CD‑пайплайнов (GitLab CI, GitHub Actions, Jenkins)
• Мониторинг моделей и инфраструктуры (Prometheus + Grafana, Evidently AI, MLflow)
• Облачные платформы: опыт работы хотя бы с одной из: AWS (SageMaker, EKS), GCP (Vertex AI), Azure ML, либо опыт развёртывания on‑premise решений (Kubeflow, Airflow)
• Деплой моделей: практический опыт вывода моделей в production с использованием FastAPI, Flask, Triton Inference Server, TensorFlow Serving или аналогичных инструментов

Условия:

• Сотрудничество по ИП РФ
• Удаленная работа
• Высокая нагрузка ~160 ч/мес

Навыки:

• Python
• scikit-learn
• pandas
• NumPy
• PyTorch
• TensorFlow
• JAX
• SQL
• Spark
• PySpark
• Dask
• Docker
• Kubernetes
• Git
• DVC
• GitLab CI
• GitHub Actions
• Jenkins
• Prometheus
• Grafana
• Evidently AI
• MLflow
• AWS
• SageMaker
• EKS
• GCP
• Vertex AI
• Azure ML
• Kubeflow
• Airflow
• FastAPI
• Flask
• Triton Inference Server
• TensorFlow Serving
• Feast
• Tecton
• Hopsworks
• Horovod
• Ray
• PyTorch Distributed