Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Описание вакансии
Текст:
TL;DR
ML Engineer (Machine Learning): Разработка и вывод в эксплуатацию моделей на табличных, событийных и временных данных с акцентом на градиентный бустинг, проектирование признаков и воспроизводимые ML-пайплайны. with an accent on мониторинг качества, обнаружение дрейфа данных и развитие внутренней инфраструктуры. Focus on построение схем валидации без утечек, извлечение данных из JSON и логов, а также поддержку моделей после релиза.
Локация: Алматы, улица Каныша Сатпаева, 29Д; работа полностью из офиса работодателя, удалённый и гибридный формат отсутствуют
Компания
Kaspi.kz — финансовая технологическая компания с большой командой специалистов по всему Казахстану.
Что делать
- Вести задачи машинного обучения от постановки до прода: выбирать таргет, схему валидации и метрики, обучать и выводить модели на табличных и событийных данных.
- Извлекать и преобразовывать признаки из JSON, логов и временных рядов, проектировать агрегаты, лаги, rolling-метрики и стековые фичи.
- Проводить исследовательский анализ, проверять гипотезы и отслеживать влияние признаков на модели и возможные утечки.
- Строить воспроизводимые пайплайны обучения и инференса с версионированием данных, экспериментов и артефактов.
- Отвечать за модели после релиза: мониторить качество и дрейф данных, выполнять переобучение.
- Развивать внутреннюю ML-инфраструктуру и общие библиотеки для признаков, метрик и моделей.
Требования
- От 1 года до 3 лет опыта в машинном обучении.
- Уверенный Python для ML, включая pandas, numpy, scikit-learn, CatBoost, LightGBM и XGBoost, а также подбор гиперпараметров и интерпретацию моделей через SHAP или feature importance.
- Сильная прикладная статистика, понимание смещений, конфаундеров и оценки неопределённости.
- Знание принципов валидации, временных рядов, предотвращения утечек, извлечения данных из вложенных JSON-структур и проектирования признаков.
- SQL на уровне сложных запросов, базовая самостоятельность в Linux, Git и контейнерах.
- Умение объяснять результаты неспециалистам и хорошее знание Excel.
Хорошо, если есть
- Опыт с ETL, оркестрацией и слоями данных.
- Знание Parquet, партиционирования, ClickHouse или StarRocks.
- Опыт трансформации больших данных с Spark, Polars или DuckDB.
- Практика MLOps, MLflow и CI/CD.
- Английский на уровне чтения документации и технических статей.
Культура и преимущества
- Возможности развития, карьерного роста, обучения, тренингов и курсов за счёт компании.
- Работа в профессиональной команде Kaspi.
- Бесплатный тренажёрный зал в офисе.
- Электронная библиотека Kaspi Books.
- Офисная chill-зона с двориком, workout-площадкой, скамейками и качелями.
- Отсутствие дресс-кода.
Будьте осторожны: если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого - это мошенники. Обязательно жмите "Пожаловаться" или пишите в поддержку. Подробнее в гайде →