ML-инженер

Навыки

• Airflow
• API (интеграции)
• XGBoost / LightGBM / CatBoost
• CI/CD
• Решения на данных
• Docker
• E-commerce

О компании и продукте

• 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.

Задачи

• 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

Требования

• 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

Условия

• 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

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.