Инженер будет разрабатывать и внедрять модели классического машинного обучения для бизнес-задач: от скоринга и оценки рисков до рекомендаций и прогнозирования временных рядов. Работа охватывает полный цикл ML-разработки — подготовку данных, обучение и валидацию, интеграцию моделей в продуктовую среду и мониторинг после релиза. Для развертывания упомянуты API на FastAPI или Flask, Docker и Kubernetes.

Что предстоит делать

• Разрабатывать модели градиентного бустинга, логистической регрессии, случайного леса и линейные модели.
• Решать задачи кредитного скоринга, прогнозирования оттока и рисков, рекомендаций на основе коллаборативной фильтрации и прогнозирования временных рядов.
• Создавать и отбирать признаки, обрабатывать структурированные данные с помощью SQL, Spark и Pandas.
• Строить пайплайны обучения и валидации, учитывая требования к интерпретируемости; применять SHAP, LIME и Feature Importance.
• Разрабатывать процессы A/B-тестирования и пострелизного мониторинга, включая отслеживание дрейфа данных и целевой переменной.
• Интегрировать модели через API и настраивать их оркестрацию с использованием Docker и Kubernetes.
• Уточнять у заказчика бизнес-метрики, представлять результаты и готовить техническую документацию.

Что потребуется

• Коммерческий опыт в Data Science или машинном обучении.
• Глубокое знание Python, pandas, NumPy и scikit-learn, а также одного из инструментов градиентного бустинга: LightGBM, XGBoost или CatBoost.
• Уверенное владение SQL и опыт сложных запросов; знакомство с ClickHouse, PostgreSQL, Greenplum или аналогами для работы с большими данными.
• Понимание метрик классификации, регрессии и ранжирования, включая precision/recall, ROC-AUC, lift, MAP и NDCG.
• Опыт построения ML-пайплайнов от выгрузки данных до деплоя и мониторинга; знание MLflow, DVC и CI/CD для ML-проектов.
• Будут преимуществом опыт uplift-моделирования, кредитного скоринга и практическое применение AI-инструментов в разработке с проверкой результатов и соблюдением конфиденциальности.

Что важно знать

В описании объединены моделирование, инженерная часть ML-пайплайнов и коммуникация с заказчиком. Помимо качества предсказаний, важны интерпретируемость моделей, корректная оценка бизнес-метрик и наблюдение за изменениями данных после внедрения.

Вакансия ML-инженера на долгосрочный проект по обезличиванию данных. Предполагается работа с различными инструментами для разработки и внедрения ML-моделей в продакшен, а также участие в построении пайплайнов обработки данных.

Что предстоит делать

• Разработка и внедрение ML-моделей в продакшен
• Работа с NLP-инструментами, такими как SpaCy и Hugging Face Transformers
• Построение пайплайнов обработки неструктурированных данных: очистка, нормализация, feature engineering
• Извлечение сущностей (NER) и работа с деревьями решений и ансамблями (Random Forest)
• Интерпретация результатов, подбор гиперпараметров и оценка рисков переобучения
• Работа с CTGAN и TVAE для обучения и подбора гиперпараметров
• Контейнеризация моделей с использованием Docker и развертывание через API (FastAPI/Flask)
• Версионирование моделей и данных с помощью MLflow/DVC
• Понимание CI/CD-процессов

Что важно знать

Работа предполагает высокую степень ответственности за качество моделей и их внедрение в продакшен. Проект долгосрочный, что позволяет углубиться в детали и добиться значительных результатов.

Geo-ML инженер будет заниматься классическим машинным обучением на табличных данных и работать с пространственными данными. Важным аспектом роли является умение обосновать выбор модели и метрики, а также знание статистики.

Что предстоит делать

• Разработка и внедрение моделей машинного обучения на табличных данных с использованием бустингов
• Feature engineering и работа с признаками и метриками
• Валидация моделей и анализ их эффективности
• Работа с пространственными данными, такими как OSM и PostGIS
• Участие в проектах, связанных с графовым машинным обучением и сетевым анализом

Что важно знать

Роль требует уверенного владения Python и SQL, а также опыта работы с продовыми ML решениями. Плюсом будет опыт в графовом ML и сетевом анализе. Команда ориентирована на высокие результаты и инновационные подходы в области машинного обучения.

Это позиция Geo-ML инженера, сосредоточенная на разработке и применении моделей машинного обучения для анализа пространственных данных и сетей. Важным аспектом работы будет использование классических методов ML на табличных данных, а также работа с графами и пространственной информацией.

Что предстоит делать

• Разрабатывать и внедрять модели машинного обучения на табличных данных с использованием бустинговых алгоритмов, таких как CatBoost, XGBoost и LightGBM
• Проводить feature engineering и валидацию моделей, обосновывая выбор метрик
• Анализировать и обрабатывать пространственные данные, используя инструменты PostGIS и OSM
• Исследовать графовые методы машинного обучения, включая GNN и link prediction
• Сотрудничать с другими командами для интеграции ML решений в существующие системы

Что важно знать

Роль требует уверенного владения Python и SQL, а также понимания статистики для обоснования выбора моделей. Опыт работы с графовыми данными и антифродом будет плюсом.

Data Scientist в Сбербанке, сосредоточенный на аудио и антидипфейках. Позиция требует глубокого понимания методов глубокого обучения и анализа аудиоданных.

Что предстоит делать

• Разработка и применение моделей глубокого обучения для анализа аудиоданных
• Использование современных архитектур нейронных сетей в области аудио и компьютерного зрения
• Формирование фичей для аудиоанализа с использованием методов, таких как Фурье-разложение и Мел-спектрограммы
• Внедрение подходов к обучению нейронных сетей, включая Incremental и Self-Supervised Learning
• Синхронизация с командой для оптимизации моделей и улучшения качества анализа

Что важно знать

Работа в гибридном формате в крупнейшем банке России, который занимает лидирующие позиции в финансовом секторе. Позиция предполагает активное использование передовых технологий и методов в области Data Science.

Вакансия Junior Applied ML Engineer в Nedvision.ai предлагает возможность работать с реальными данными в области инвестиционного скоринга недвижимости. Вы будете заниматься подготовкой данных, созданием признаков для ML-моделей и проверкой их качества.
Что предстоит делать:

• Работать с данными по недвижимости: объявления, цены, геоданные.
• Проводить EDA, искать закономерности и проверять гипотезы.
• Готовить признаки для ML-моделей: текстовые, табличные, временные.
• Участвовать в проверке качества моделей: подбор метрик и анализ ошибок.
• Постепенно брать на себя более сложные задачи в ML-пайплайне.

Что важно знать

Компания предлагает возможность быстро расти в Applied ML Engineering, работая с реальными задачами и данными. Вы получите доступ к интересным проектам, связанным с геоаналитикой и инвестициями, и сможете развивать свои навыки в прикладном машинном обучении.

В этой роли вы будете поддерживать и развивать ML-модели, направленные на выявление телефонного спама и мошенничества. Основная задача заключается в обработке и анализе данных, извлечении полезных сигналов и построении эффективного pipeline от данных до production-инференса.
Что предстоит делать:

• Поддерживать и развивать ML-модели для выявления телефонного спама и мошенничества, включая табличные модели и NLP.
• Заниматься feature engineering, извлекая полезные сигналы из различных источников данных.
• Участвовать в построении pipeline от данных до production-инференса, включая обучение, оптимизацию и мониторинг моделей.
• Работать над задачами разметки и контролем качества данных.
• Общаться с бизнес-заказчиками для формализации задач и согласования метрик.
• Предлагать и проверять новые подходы к детектированию спама.

Что важно знать

Компания ожидает от кандидата наличие опыта в Data Science или ML от 3 лет, хорошее понимание классического ML и практический опыт feature engineering. Уверенные навыки Python и SQL обязательны. Опыт в дообучении NLP-моделей будет плюсом.

В этой роли вы будете поддерживать и развивать ML-модели, направленные на выявление телефонного спама и мошенничества. Ваша задача будет заключаться в анализе данных, создании эффективных моделей и взаимодействии с бизнес-заказчиками для формализации задач и согласования метрик.

Что предстоит делать:
• Поддерживать и развивать ML-модели для выявления спама и мошенничества, включая табличные модели и NLP.
• Заниматься feature engineering, извлекая полезные сигналы из множества витрин и источников данных.
• Участвовать в построении pipeline от данных до production-инференса, включая обучение, оптимизацию и мониторинг моделей.
• Работать над качеством данных и постановкой задач разметки.
• Общаться с бизнес-заказчиками для формализации задач и объяснения результатов моделей.
• Предлагать новые подходы к детектированию спама и мошеннических сценариев.

Что важно знать

Мы ищем кандидата с опытом работы в Data Science и ML от 3 лет, обладающего хорошим пониманием классического ML и практическим опытом в feature engineering. Уверенные навыки в Python и SQL обязательны, а опыт в дообучении NLP-моделей будет плюсом. Это роль, где вы сможете влиять на результаты бизнеса, работая с актуальными данными и новыми подходами в области машинного обучения.

Вакансия Data Scientist предполагает участие в долгосрочном проекте по разработке платформы для анализа больших данных и построения ML-моделей. Основной фокус — развитие ML-решений и их интеграция в бизнес-процессы.

Что предстоит делать:

• Полный цикл разработки ML-моделей: от исследования данных до внедрения в продакшн. • Построение и улучшение моделей классификации и регрессии. • Работа с большими объемами данных, подготовка и очистка датасетов. • Разработка и оптимизация feature engineering. • Валидация моделей, работа с метриками и анализ качества. • Участие в проектировании ML-сервисов и пайплайнов. • Взаимодействие с аналитиками и инженерами для внедрения моделей. • Поддержка и доработка существующих решений.

Почему вакансия может быть интересна

Роль предлагает возможность работать с передовыми ML-технологиями и участвовать в разработке масштабируемой платформы. Это отличная возможность для профессионалов, желающих развивать свои навыки в области Data Science и ML.

Роль Data Scientist в OZON предполагает работу над созданием и внедрением моделей для детектирования бот-трафика и других видов вредоносного трафика. Вы будете заниматься разработкой, обучением и оптимизацией алгоритмов, а также внедрением новых технологий для повышения эффективности защиты. Ваша работа будет включать анализ инцидентов, исследование данных и выявление закономерностей в них, что позволит оптимизировать качество детекции.

Что предстоит делать:
• Разрабатывать и обучать модели для детектирования бот-трафика.
• Искать и апробировать новые технологии для защиты.
• Анализировать данные и выявлять закономерности.
• Расследовать инциденты и оптимизировать качество детекции.
• Обрабатывать большие объемы данных и проводить feature engineering.
• Оптимизировать пайплайны для повышения производительности.

Почему вакансия может быть интересна

Эта позиция интересна тем, что предлагает возможность работать с передовыми технологиями в сфере кибербезопасности. Вы будете влиять на защиту компании от вредоносного трафика, что является критически важным для ее успешной работы. В OZON вы сможете развивать свои навыки в области машинного обучения и анализа больших данных, работая в команде профессионалов. Удаленная работа позволяет гибко планировать время, а также дает возможность взаимодействовать с коллегами из различных локаций.

О компании OZON

OZON — одна из крупнейших e-commerce платформ в России, предлагающая широкий ассортимент товаров и услуг. С более чем 10 миллионами пользователей, компания активно внедряет инновации в свои процессы, включая защиту от мошеннических действий. OZON стремится создать безопасную торговую среду и постоянно улучшает свои технологии для обеспечения безопасности клиентов и партнеров. Компания предоставляет своим сотрудникам возможности для роста и развития в динамично развивающемся рынке.