Senior ML Engineer / Machine Learning Engineer (MLOps)

О роли

Мы ищем Senior ML Engineer для создания инфраструктуры машинного обучения для системы скоринга удержания пользователей. Это greenfield-проект: вы будете первым ML-инженером в команде и построите платформу с нуля — от обработки данных и feature engineering до production-инференса и мониторинга.

Ваша задача — создать надежную ML-инфраструктуру: воспроизводимые данные и признаки, стабильный процесс обучения моделей, batch и near-real-time инференс, а также систему мониторинга и автоматического переобучения.

Задачи

Инфраструктура данных и признаков

• Разработка и поддержка time-based feature pipelines (rolling windows, накопительные и decay-метрики)

• Обеспечение полного соответствия признаков между обучением и инференсом

• Возможность воспроизводить датасеты для любой даты скоринга

Production-внедрение моделей

• Вывод в production моделей для табличных данных (CatBoost / XGBoost)

• Упаковка обучения и инференса в модульные сервисы (batch → real-time)

• Версионирование данных, признаков и моделей

Мониторинг и надежность

• Мониторинг качества данных и дрейфа распределений

• Отслеживание деградации моделей

• Настройка алертов и процедур быстрого восстановления

Архитектура

• Проектирование простой и экономичной инфраструктуры в облаке

• Использование Docker-first подхода

• Kubernetes — там, где это действительно необходимо

• Минимизация vendor lock-in

Ожидаемые результаты в первые 1–1,5 месяца

• Рабочий batch-pipeline скоринга end-to-end

• Feature pipeline с окнами 7/14/30/60 дней

• Воспроизводимые запуски обучения (MLflow или аналог)

• Настроенный мониторинг качества данных

• Краткая документация по эксплуатации системы

Технологический стек

• Языки: Python (экспертный уровень), SQL

• ML: CatBoost / XGBoost, работа с табличными данными

• Serving: FastAPI, Docker, Kubernetes

• MLOps: MLflow, Airflow / Prefect / Dagster

• Cloud: AWS или аналогичные решения

• CI/CD: GitHub Actions / GitLab CI

• Будет плюсом: dbt

Требования

• От 3 лет опыта в ML Engineering / MLOps

• Опыт вывода ML-моделей в production

• Работа с транзакционными или событийными табличными данными

• Понимание time-based feature engineering и data leakage

• Уверенная работа с Docker и масштабированием сервисов

• Инженерный подход: тестируемый, модульный production-код

Будет плюсом

• Опыт в высоконагруженных продуктовых системах

• Знание ClickHouse / Kafka / Spark

• Опыт внедрения explainability (например, SHAP)

Мы предлагаем

• Возможность с нуля построить ML-платформу и влиять на архитектуру

• Реальное влияние на ключевые продуктовые метрики

• Работа в команде, создающей новый AI-продукт

• Конкурентную заработную плату

• Профессиональный рост и технологически сложные задачи