Обязанности:

• Разработка, обучение и внедрение моделей машинного обучения для решения прикладных задач компании.
  2. Сбор, подготовка и анализ данных из различных источников для построения и улучшения ML-решений.
  3. Проведение исследовательского анализа данных и формирование гипотез для повышения качества моделей.
  4. Построение и преобразование признаков, влияющих на точность, устойчивость и эффективность моделей.
  5. Подбор алгоритмов машинного обучения с учетом бизнес-задачи, особенностей данных и требований к результату.
  6. Настройка, тестирование и оптимизация моделей на основе целевых метрик качества.
  7. Разработка и сопровождение ML-pipeline, включая подготовку данных, обучение, переобучение и применение моделей.
  8. Интеграция моделей в backend-сервисы, API и корпоративные информационные системы.
  9. Мониторинг качества моделей после внедрения, выявление деградации и участие в их дальнейшем улучшении.
  10. Взаимодействие с командами разработки, аналитики и другими подразделениями в рамках реализации ML-проектов.

Требования:

1. Практический навык разработки и внедрения ML-моделей под реальные бизнес-задачи.
2. Навык работы с данными: от сбора и очистки до подготовки обучающих выборок.
3. Навык проведения исследовательского анализа данных и интерпретации полученных результатов.
4. Навык улучшения качества моделей за счет feature engineering, настройки параметров и экспериментального подхода.
5. Навык написания чистого, структурированного и поддерживаемого кода.
6. Навык работы с Git и использования инструментов командной разработки.
7. Навык документирования решений, экспериментов и технических подходов.
8. Навык интеграции ML-компонентов в существующую ИТ-инфраструктуру компании.
9. Навык анализа причин снижения качества моделей и поиска путей их оптимизации.
10. Навык эффективного взаимодействия с разработчиками, аналитиками, Data Engineerспециалистами и бизнес-командами.
Уверенное знание Python для разработки решений в области машинного обучения.
2. Знание библиотек для анализа данных и ML, включая pandas, NumPy и scikit-learn.
3. Понимание основных алгоритмов машинного обучения, их особенностей и практических сценариев применения.
4. Знание методов предобработки данных, обработки пропусков, выбросов, нормализации и отбора признаков.
5. Понимание подходов к оценке качества моделей и ключевых метрик для задач классификации, регрессии и ранжирования.
6. Знание SQL и принципов работы с базами данных для выборки, объединения и подготовки данных.
7. Понимание базовых математических и аналитических принципов, необходимых для построения и оценки ML-моделей.
8. Знание принципов организации жизненного цикла ML-моделей и воспроизводимости MLпроцессов.
 9. Понимание базовых подходов к интеграции моделей в production-среду и сопровождению ML-решений.
10. Знание современных подходов и тенденций в области машинного обучения и ML Engineering.

Условия:

• Официальное оформление по ТК РК;
• Медицинское страхование;
• Повышение квалификации за счет компании;
• Размер заработной платы по результатам собеседования.

Необходимые степени образования

• Бакалавр

Необходимо наличие сертификатов по направлениям

• Информационные технологии