ML-Researcher / ML-Engineer / Data-Scientist

October 3, 2026

Remote

Middle

Worth knowing

No official employment

Description

Финтех-группа в сфере микрозаймов ищет ML-инженера, который будет внедрять модели в промышленную среду. В зоне ответственности — построение пайплайнов обработки данных, оптимизация алгоритмов, MLOps-практики и интеграция ML-решений с продуктовой архитектурой. Нужен production-опыт от трёх лет и уверенное владение Python

Responsibilities

Внедрять ML-модели в продакшн: разрабатывать и интегрировать пайплайны для скоринга, оценки рисков и других бизнес-задач в промышленную среду
Строить надёжные пайплайны обработки данных: обеспечивать качественную подготовку, валидацию и трансформацию данных для обучения и инференса моделей
Оптимизировать производительность алгоритмов: повышать скорость работы кода, снижать потребление ресурсов, улучшать latency и пропускную способность систем
Разрабатывать и внедрять MLOps-практики: автоматизировать процессы обучения, тестирования, развертывания и мониторинга моделей (CI/CD для ML)
Обеспечивать стабильность работы моделей в продакшне: отслеживать дрейф данных и метрик качества, настраивать алерты и процессы переобучения
Интегрировать ML-решения с продуктовой архитектурой: работать с разработчиками над созданием API, сервисов и микросервисов на базе моделей
Версионировать данные и модели: контролировать воспроизводимость экспериментов и корректное обновление моделей в продакшне

Requirements

Опыт коммерческой разработки от 3 лет на позиции ML-инженера или разработчика с сильным уклоном в машинное обучение (опыт в финтехе или высоконагруженных системах будет преимуществом)
Уверенное владение Python и навыки написания чистого, поддерживаемого, production-ready кода
Глубокое знание ML-библиотек: scikit-learn, XGBoost, LightGBM, pandas, numpy
Опыт работы с большими данными: уверенное владение SQL, понимание Spark / Dask / аналогичных инструментов
Навыки контейнеризации и оркестрации: опыт с Docker (обязательно), знакомство с Kubernetes
Понимание принципов MLOps: опыт с инструментами оркестрации (Airflow / Prefect / Kubeflow), системами трекинга экспериментов (MLflow / Weights & Biases), версионирования данных (DVC)
Системное мышление: понимание, как устроены пайплайны от источника данных до конечного API, умение проектировать отказоустойчивые решения
Опыт работы с Git, понимание CI/CD-процессов (GitHub Actions / GitLab CI / Jenkins)
Умение работать в команде: взаимодействовать с дата-сайентистами (принимать прототипы и делать их промышленными) и бэкенд-разработчиками (интегрировать решения в продукт)

Conditions

Удалённая работа: работай из любой точки мира
Гибкий график: стандартная пятидневка (5/2) с учётом work-life balance
Оформление по ГПХ / СМЗ / ИП РФ
Современные инструменты и команда профессионалов
Возможность влиять на продукт и видеть результат своей работы
Рост каждые полгода

Similar jobs

Similar in meaning, not just matching keywords

This device does not meet the site requirements

What may not work

ML-Researcher / ML-Engineer / Data-Scientist

Job summary

Worth knowing

Description

Responsibilities

Requirements

Conditions

Similar jobs

Job summary

Similar jobs

ML-Researcher / ML-Engineer / Data-Scientist

Job summaryAnalysis and summary of the descriptionAverage [data-chart=chart-_R_39f1binpfiv6abqaqlb_] { --color-score: var(--warning); } .dark [data-chart=chart-_R_39f1binpfiv6abqaqlb_] { --color-score: var(--warning); } 57

Job summary

Worth knowing

Description

Responsibilities

Requirements

Conditions

Similar jobs

Job summaryAnalysis and summary of the descriptionAverage [data-chart=chart-_R_39f1binpfiv6abqaqlb_] { --color-score: var(--warning); } .dark [data-chart=chart-_R_39f1binpfiv6abqaqlb_] { --color-score: var(--warning); } 57

Job summary

Similar jobs