Москва, Мясницкая улица, 16
Метро: ЛубянкаFinframe - стабильная и быстрорастущая финтех-компания, обеспечивающая надежную и безопасную обработку платежей для крупнейших бизнесов в России и СНГ. Мы не просто обрабатываем транзакции, а создаем системы, которые помогают бизнесам расти и развиваться в условиях динамично меняющегося рынка.
Сейчас запускаем новое ML/DS-направление для задач: скоринг, антифрод, рекомендательные системы, внедрение и кастомизация LLM для автоматизации обработки обращений и получения инсайтов из данных.
Наша цель построить надёжный ML/DS-фундамент: от пайплайнов обработки данных до полноценного MLOps-цикла, чтобы модели жили в продакшне стабильно и масштабируемо.
Ваша роль и задачи:
Вы станете одним из ключевых инженеров нового направления и поможете выстроить MLOps-процессы с нуля. От вас потребуется:
Проектировать и развивать инфраструктуру для полного жизненного цикла ML (обучение, деплой, мониторинг, обновления).
Настраивать пайплайны данных (ETL, feature store, data validation).
Автоматизировать эксперименты, обучение и деплой моделей (CI/CD для ML).
Обеспечивать воспроизводимость, масштабируемость и отказоустойчивость ML-систем.
Внедрять мониторинг качества моделей (data drift, concept drift, метрики).
Работать в связке с Data Scientists и инженерами, помогая переводить прототипы в продакшн.
Влиять на выбор технологий, подходов и best practices в MLOps-направлении.
Что ждём от вас
Фундаментальные знания и опыт:
Опыт построения ML-пайплайнов и их вывода в продакшн.
Понимание жизненного цикла ML-моделей и MLOps-практик.
Знание основ статистики и ML на уровне, необходимом для мониторинга качества моделей.
Технологические навыки:
Python как основной язык.
Опыт работы с ML-фреймворками (scikit-learn, PyTorch, TensorFlow).
Опыт с orchestration-инструментами: Airflow, Prefect или аналоги.
Spark или другие системы распределённой обработки данных.
Docker и Kubernetes — уверенный уровень.
Опыт с MLflow, Kubeflow, SageMaker или аналогичными системами.
Навыки CI/CD (GitLab CI, Jenkins, ArgoCD).
Будет плюсом опыт с observability-инструментами (Prometheus, Grafana, ELK).
Что предлагаем
Интересные задачи и масштаб: построение MLOps-инфраструктуры с нуля для ML-проектов в финтехе.
Техническая свобода: влияние на архитектурные решения и стек технологий.
Рост и развитие: возможность прокачивать экспертизу в MLOps, работать с cutting-edge ML-инфраструктурой.
Гибкий формат работы: Удаленная работа по РФ, либо гибридный формат работы в самом центре Москвы, в офисе по ул. Мясницкая, 16.
Возможность поработать в атмосфере небольшой уютной компании, где все решается быстро, в дружеской обстановке и без бюрократии.
Если хотите заниматься не только поддержкой моделей, но и строить современную ML-инфраструктуру с нуля, влиять на архитектуру и качество процессов — будем рады вашему отклику! 🚀
Trading Integral Solutions
Москва
до 700000 RUR