Ключевой фокус: классические ML-модели на табличных данных и временных рядах.
Разработка production-моделей для бизнес-задач: прогнозирование, классификация, детектирование аномалий, анализ временных рядов. Полный цикл ML-проекта: постановка задачи совместно с заказчиком, подготовка данных и признаков, обучение и валидация моделей, вывод в прод, оценка влияния на бизнес-метрики.
Soft skills:
• Продуктовое мышление: понимание, зачем модель нужна пользователю и какую метрику она сдвигает
• Готовность искать точки роста, предлагать нестандартные решения и отстаивать их на встречах с заказчиком
• Хорошие навыки коммуникации и работы в команде
Обязанности
• Участие в запуске ML-проектов от постановки задачи до вывода в прод
• Проектирование и обучение моделей на классическом ML-стеке (gradient boosting, linear models, ensemble methods)
• Разработка и реализация пайплайнов обработки данных, feature engineering и валидации моделей
• Оценка рисков применения ML-решений с учётом специфики бизнес
- и технологических процессов
• Исследование современных подходов в области tabular ML, forecasting и anomaly detection для применения в задачах компании
Обязательные требования
"• Python (уверенное знание)
• Pandas, NumPy, Scikit-learn
• XGBoost / LightGBM / CatBoost
• Временные ряды и прогнозирование: Statsmodels, Prophet / Sktime / Skforecast
• Классические методы ML: деревья решений, бустинг, линейные модели, кластеризация, снижение размерности
• Статистика и интерпретация экспериментов (A/B, hold-out, cross-validation)
• SQL (самостоятельная работа с данными)
• Git
• Опыт вывода ML-моделей в прод и построения воспроизводимых экспериментов
• Высшее техническое образование (Computer Science, прикладная математика, AI/ML или смежные области)"
Будет плюсом
• DVC, MLflow
• Airflow
• Docker / Kubernetes
