Usiamo cookie tecnici e il registro anonimo delle visite di Zorky. Yandex Metrica (dati conservati su server in Russia) funziona solo con il tuo consenso. Non vendiamo mai dati. Ulteriori informazioni su cookie e statistiche.
Zorky è in modalità test: è tutto gratuito. Le offerte e le pagine delle aziende sono aperte a tutti; i link agli annunci e la tua selezione personale si aprono dopo la registrazione. Registrati →
← Tutte le offerte

ML / DS Engineer (Classic ML)

Livello non indicatoremoteRU2 sett. fa
Analisi del mercato
📊 AI / ML / Data Science: stipendi e domanda sul mercato
Stack
ci/cdclickhousedockerfastapiflaskgreenplumkuberneteslightgbmmlflowmlopsnumpypandas
Dettagli
Practices
CI/CD, MLOps
Mostra azienda e link
Gratis, dopo l'accesso.
Candidati
Carica il tuo CV: datori di lavoro e recruiter di diversi paesi che cercano il tuo profilo potranno contattarti direttamente.
Invia il tuo CV →
Descrizione
  • Вакансия: ML / DS Engineer (Classic ML)
  • Формат: удаленно
  • Сайт компании: [link]

Наши ожидания

  • Коммерческий опыт разработки в Data Science / ML.
  • Глубокое знание Python и стека: pandas, numpy, scikit‑learn, а также одного из фреймворков для градиентного бустинга (LightGBM, XGBoost, CatBoost).
  • Уверенное владение SQL — написание сложных запросов, работа с большими данными (ClickHouse, PostgreSQL, Greenplum или аналоги).
  • Понимание метрик качества для классификации, регрессии, ранжирования: precision/recall, ROC‑AUC, lift, MAP, NDCG.
  • Опыт построения end‑to‑end ML‑пайплайнов: от выгрузки данных до деплоя и мониторинга.
  • Знание MLOps‑инструментов: MLflow, DVC, опыт работы с CI/CD для ML‑проектов.

Основные обязанности

  • Разработка и внедрение моделей классического машинного обучения: градиентный бустинг (LightGBM, XGBoost, CatBoost), логистическая регрессия, случайный лес, линейные модели.
  • Решение бизнес‑задач: кредитный скоринг, прогнозирование оттока, оценка рисков, рекомендательные системы на основе коллаборативной фильтрации, прогнозирование временных рядов.
  • Feature engineering — создание и отбор признаков, работа с большими объёмами структурированных данных (SQL, Spark, Pandas).
  • Построение пайплайнов обучения и валидации с учётом требований к интерпретируемости (SHAP, LIME, Feature Importance).
  • Разработка пайплайнов для A/B‑тестирования и пост‑релизного мониторинга моделей (дрейф данных, дрейф целевой переменной).
  • Интеграция моделей в продукт
Descrizione completa, azienda e link per candidarti: dopo l'accesso. Accedi
I contatti del datore di lavoro (email/telefono/telegram) sono nascosti nell'anteprima pubblica. Invia il tuo CV così i datori di lavoro possono contattarti direttamente.
Segnala questo annuncio
Domanda urgente? Scrivi a @termdocs