ML-инженер
Тагес Джамп
Москва
🏢 Офис
Junior
Полная занятость
Россия
Описание вакансии
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.