Удалённо из России · Москва, Россия · Английский не нужен
Не указано: грейд
Навыки
AI-агенты
Самостоятельность
XGBoost / LightGBM / CatBoost
Confluence
Computer Vision
Анализ данных
Финансовый анализ
Ещё 13
Git
Jira
Machine Learning
NumPy
Pandas
Python
RAG
Регрессионное тестирование
Работа с требованиями
Жизненный цикл разработки
scikit-learn
SQL
Работа в команде
О компании и продукте
Делаем инновации доступными и полезными Мы выбираем лучшее из мира технологий и превращаем в реальные ИТ-решения, которыми пользуются миллионы сотрудников крупнейших компаний
Наш продукт объединяет классические методы финансового моделирования и современные технологии машинного обучения, чтобы сделать процесс оценки и принятия решений более точным, быстрым и комфортным. Мы строим модели, которые работают в реальных банковских процессах: от прогноза стоимости квадратного метра до оценки сроков и бюджетов строительства жилых комплексов. Помимо классического ML, мы развиваем направления Computer Vision и AI-агентов для автоматизации сложных сценариев
Задачи
Исследование данных и генерация гипотез: поиск закономерностей, feature engineering, проверка взаимосвязей
Разработка и обучение классических ML-моделей: регрессия, бустинги (CatBoost, LightGBM, XGBoost), ансамбли
Полный цикл разработки модели: от первичного анализа данных до внедрения в production и мониторинга
Валидация и интерпретация моделей: кросс-валидация, оценка стабильности, SHAP Участие в смежных проектах: CV-модели, AI-агенты и RAG-системы для автоматизации процессов
Плотное взаимодействие с бизнесом: формализация требований, защита результатов, презентация моделей
Участие в развитии ML-инфраструктуры: пайплайны обучения, мониторинг, воспроизводимость экспериментов
В нашей команде у тебя есть все ресурсы и возможности, чтобы раскрыть свой потенциал и реализовать таланты, делая то, чем будешь гордиться
Если вам интересно работать с данными, которые напрямую влияют на бизнес-решения, и проходить путь от гипотезы до production-модели, нам по пути
Требования
Уверенный Python (1,5+) для анализа данных и разработки: pandas, numpy, matplotlib/seaborn Сильный классический ML: sklearn, CatBoost, LightGBM, XGBoost — опыт обучения, тюнинга и вывода в прод
Понимание метрик качества моделей, опыт кросс-валидации и оценки стабильности
Опыт feature engineering на табличных данных: генерация, отбор, кодирование признаков
Умение интерпретировать модели: SHAP, feature importance Опыт работы в команде: Git, Jira, Confluence Способность самостоятельно пройти путь от сырых данных до работающей в проде модели
Желательные: Опыт с Computer Vision: классификация, object detection Опыт разработки AI-агентов и RAG-систем (LangChain, LangGraph, векторные БД)
Опыт работы с реляционными БД и написания SQL-запросов
Понимание рынка недвижимости, кредитного анализа, опыт работы с финансовыми или строительными данными
ЗДЕСЬ ТЫ ИМЕЕШЬ ЗНАЧЕНИЕ Мечтай, думай, создавай в IBS!