обновлено 6 дней назад
ML Engineer
180 000 - 260 000₽
Загружаем источник...Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Описание вакансии
#вакансия #vacancy #job #ml #engineer #remote
👋 Ищем ML-инженера в команду EvApps!
Вилка: 180-260 к на руки
Локация/формат: удаленно/РФ
Оформление: ТК/ИП
📰 Мы создаем сложные IT-решения для бизнеса и госструктур: корпоративные порталы, облачные сервисы, мобильные приложения. Награждены золотом Tagline Awards (2022) и входим в топ Рейтинга Рунета.
💻 Что предстоит делать:
• Погружаться в задачи, общаться с заказчиком, проектировать архитектуру ML-решений. • Анализировать бизнес-требования и формулировать ML-подход. • Разрабатывать, обучать и оптимизировать модели (classic ML, DL). • Проводить feature engineering, валидацию, A/B-тесты. • Создавать ML-сервисы и микросервисы, интегрировать модели в продакшн. • Настраивать мониторинг и итеративно улучшать решения. • Работать с данными: подготовка, очистка, структурирование. • Взаимодействовать с командами разработки, аналитики, DevOps. • Погружаться в современные LLM-инструменты и применять их в продуктах (при необходимости).
✅ Что нам важно:
• Опыт работы ML-инженером/Data Scientist от 3 лет.
• Подтвержденный опыт разработки и внедрения ML-моделей в продакшн (минимум 3–5 проектов, из них хотя бы один — с нуля до продакшена + мониторинг + доработки). • Законченное высшее IT, техническое или математическое образование.
🔧 Технические навыки:
• Уверенный Python, чистый продакшн-код для ML-задач. • Опыт создания ML-сервисов на FastAPI/Flask. • Глубокое понимание алгоритмов ML (деревья, линейные модели, ансамбли, нейросети). • Практический опыт решения задач классического ML: классификация, регрессия, кластеризация. • Опыт работы с библиотеками: pandas, numpy, scikit-learn, plotly/matplotlib/seaborn, scipy. • Опыт с градиентным бустингом: XGBoost, LightGBM, CatBoost. • Опыт работы с DL-фреймворками: PyTorch, TensorFlow, Keras. • Понимание feature engineering, метрик качества моделей и методов валидации. • Знание SQL для работы с данными.
⚙️ MLOps и разработка:
• Опыт работы с Git в команде. • Понимание микросервисной архитектуры и контейнеризации, базовые навыки Docker. • Понимание работы REST/gRPC API. • Навыки работы в Linux (командная строка, bash). • Опыт работы с базами данных: PostgreSQL, MySQL.
💼 Условия:
• Работа в стабильной и сильной IT-компании.
• Интересные проекты для крупных заказчиков.
• Возможность профессионального роста и работы с современным стеком.
• Зарплата обсуждается по результатам собеседования.
👋 Откликнуться: с пометкой [ML +]
Вилка: 180-260 к на руки
Локация/формат: удаленно/РФ
Оформление: ТК/ИП
• Погружаться в задачи, общаться с заказчиком, проектировать архитектуру ML-решений. • Анализировать бизнес-требования и формулировать ML-подход. • Разрабатывать, обучать и оптимизировать модели (classic ML, DL). • Проводить feature engineering, валидацию, A/B-тесты. • Создавать ML-сервисы и микросервисы, интегрировать модели в продакшн. • Настраивать мониторинг и итеративно улучшать решения. • Работать с данными: подготовка, очистка, структурирование. • Взаимодействовать с командами разработки, аналитики, DevOps. • Погружаться в современные LLM-инструменты и применять их в продуктах (при необходимости).
✅ Что нам важно:
• Опыт работы ML-инженером/Data Scientist от 3 лет.
• Подтвержденный опыт разработки и внедрения ML-моделей в продакшн (минимум 3–5 проектов, из них хотя бы один — с нуля до продакшена + мониторинг + доработки). • Законченное высшее IT, техническое или математическое образование.
🔧 Технические навыки:
• Уверенный Python, чистый продакшн-код для ML-задач. • Опыт создания ML-сервисов на FastAPI/Flask. • Глубокое понимание алгоритмов ML (деревья, линейные модели, ансамбли, нейросети). • Практический опыт решения задач классического ML: классификация, регрессия, кластеризация. • Опыт работы с библиотеками: pandas, numpy, scikit-learn, plotly/matplotlib/seaborn, scipy. • Опыт с градиентным бустингом: XGBoost, LightGBM, CatBoost. • Опыт работы с DL-фреймворками: PyTorch, TensorFlow, Keras. • Понимание feature engineering, метрик качества моделей и методов валидации. • Знание SQL для работы с данными.
⚙️ MLOps и разработка:
• Опыт работы с Git в команде. • Понимание микросервисной архитектуры и контейнеризации, базовые навыки Docker. • Понимание работы REST/gRPC API. • Навыки работы в Linux (командная строка, bash). • Опыт работы с базами данных: PostgreSQL, MySQL.
💼 Условия:
• Работа в стабильной и сильной IT-компании.
• Интересные проекты для крупных заказчиков.
• Возможность профессионального роста и работы с современным стеком.
• Зарплата обсуждается по результатам собеседования.
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 →
Текст вакансии взят без изменений
Источник -