IT_One·Удаленно·29 сент.
ML Engineer
Ориентир по рынку≈ 325 000 – 400 000 ₽наша приблизительная оценка по 16 вакансиям этой роли и грейда, у работодателя вилка не указана
🌍 УдалённоMiddleПолная занятостьАутсорсАнглийский A2
Стоит ли откликаться
Стоит откликнуться, но спросите про деньги
Сумму в объявлении не указали. Сколько платят за похожую работу, видно в разборе. Вакансия живая, задачи расписаны.
3 из 4 в норме
Зарплата не указана: ваша цель, нижняя граница и фраза для первого созвона
Деньги
Зарплату в объявлении не раскрыли. Ориентир на созвон: столько платят в 16 похожих вакансиях Data Scientist уровня Middle.
Живость
Висит 20 дней, признаков фиктивного найма нет.
- Появилась у нас 29 сентября 2026 г., 20 дней назад
- Текст у источника меняли 1 раз, последний раз 5 октября 2026 г.
- У источника её видели сегодня
Считается по истории наблюдений за вакансией: сколько раз её переоткрывали, меняли ли текст, как долго висит. Выдачу источника сверяем при каждом обходе: пропажу, возврат и правки текста. Это оценка по косвенным признакам, а не факт. Окончательный вывод за вами.
Описание
Расписано подробно: обязанностей 5, требований 15. Картина ясна до первого созвона.
- Известно
- английский A2
- Не сказано
- как оформят, из каких стран можно работать и часовой пояс команды
Что требуют
ОбязательноMLPythonPandasNumPyscikit-learnXGBoostCatBoostSQLGit
ПлюсомAirflowDockerKubernetes
Надбавка к зарплате на этом уровне: Python +40%, SQL +20%, Git +8%.
Полный разбор в Pro
Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме
Сколько просить
Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга
Ваше резюме против требований
Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика
Спросить у работодателя
Что стоит спросить: вопросы именно к этой вакансии для первого созвона
Когда откликаться
Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии
30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro
Чем предстоит заниматься
Участие в запуске ML-проектов от постановки задачи до вывода в прод
Проектирование и обучение моделей на классическом ML-стеке (gradient boosting, linear models, ensemble methods)
Разработка и реализация пайплайнов обработки данных, feature engineering и валидации моделей
Оценка рисков применения ML-решений с учётом специфики бизнес
Исследование современных подходов в области tabular ML, forecasting и anomaly detection для применения в задачах компании
Наши требования
Продуктовое мышление: понимание, зачем модель нужна пользователю и какую метрику она сдвигает
Готовность искать точки роста, предлагать нестандартные решения и отстаивать их на встречах с заказчиком
Хорошие навыки коммуникации и работы в команде
Pandas, NumPy, Scikit-learn
XGBoost / LightGBM / CatBoost
Временные ряды и прогнозирование: Statsmodels, Prophet / Sktime / Skforecast
Классические методы ML: деревья решений, бустинг, линейные модели, кластеризация, снижение размерности
Статистика и интерпретация экспериментов (A/B, hold-out, cross-validation)
SQL (самостоятельная работа с данными)
Git
Опыт вывода ML-моделей в прод и построения воспроизводимых экспериментов
Высшее техническое образование (Computer Science, прикладная математика, AI/ML или смежные области)"
DVC, MLflow
Airflow
Docker / Kubernetes
Дополнительно
Ключевой фокус: классические ML-модели на табличных данных и временных рядах
Разработка production-моделей для бизнес-задач: прогнозирование, классификация, детектирование аномалий, анализ временных рядов. Полный цикл ML-проекта: постановка задачи совместно с заказчиком, подготовка данных и признаков, обучение и валидация моделей, вывод в прод, оценка влияния на бизнес-метрики
Мы против мошенников на площадке: если тебя просят заплатить, продиктовать код или установить непонятное приложение, прекращай общение и сразу пиши нам (чат с основателем или форма обратной связи).