ML Engineer / Data Scientist (Middle / Middle+)

October 24, 2026

Remote

Middle

Алматы, Казахстан

hh.ru

Description

Ищем ML Engineer / Data Scientist уровня Middle или Middle+ для работы с рекомендательными системами. Основной фокус — классическое машинное обучение, развитие и улучшение существующих моделей, работа с данными и ML-пайплайнами. Важно уметь самостоятельно решать технические задачи, оценивать качество моделей и находить возможности для улучшения рекомендаций. Формат работы — полностью удалённый, локация указана как Алматы, Казахстан.

Responsibilities

Развитие и поддержка существующих рекомендательных систем
Обучение, тестирование и улучшение ML-моделей
Работа с данными: подготовка датасетов, feature engineering и добавление новых признаков
Разработка и оценка моделей ранжирования (ranking / reranking)
Анализ качества рекомендаций, сравнение результатов моделей и оценка latency
Развитие и поддержка ML-пайплайнов, в том числе с использованием Airflow
Оценка эффективности моделей и анализ результатов экспериментов
Участие в A/B-тестировании и базовом мониторинге качества моделей

Requirements

Уверенное владение Python
Практический опыт с классическим ML: классификация, регрессия, ранжирование
Опыт работы с бустингами: CatBoost, LightGBM, XGBoost
Знание и практический опыт работы с PyTorch
Понимание основных алгоритмов машинного обучения, базовой теории вероятностей и статистики
Опыт работы с данными и построения ML-пайплайнов
Умение самостоятельно вести задачи от анализа проблемы до оценки результата
Коммерческий опыт разработки рекомендательных систем (RecSys)
Опыт работы с ranking / reranking-моделями
Знание ALS и других подходов к построению рекомендаций
Опыт работы с Airflow
Опыт проведения A/B-тестов и оценки качества моделей
Опыт применения LLM для решения задач машинного обучения, например для feature engineering
Опыт работы с продуктовыми ML-системами и понимание особенностей их эксплуатации

Conditions

Полностью удалённая работа
Работа над развитием существующих ML-сервисов и рекомендательных систем
Возможность самостоятельно влиять на технические решения и качество моделей
Команда, ориентированная на развитие ML-инфраструктуры, моделей и рекомендательных сервисов
Минимум регулярных встреч и возможность сосредоточиться на технических задачах