ML Engineer (удаленная работа)

Вакансия: ML Engineer

Описание вакансии

О компании:

Мы EvApps, IT-компания, создающая программные решения любой сложности: корпоративные порталы, облачные сервисы, мобильные приложения, информационные системы для бизнеса и государственных структур.
Работаем с российскими и зарубежными заказчиками, с 2019 года развиваем IT-аутстаффинг.
Награждены золотом Tagline Awards (2022) и занимаем лидирующие позиции в Рейтинге Рунета

Что предстоит делать:

• Погружаться в продуктовые задачи в формате аутстафф: интеграция в команду клиента, участие в планировании, обсуждениях, проработке требований и архитектурных решений

• Анализировать бизнес-требования и формулировать ML-подход.

• Проектировать архитектуру ML-решений.

• Разрабатывать, обучать и оптимизировать модели (classic ML, DL).

• Проводить feature engineering, подбор метрик, валидации, A/B-эксперименты.

• Создавать ML-сервисы и микросервисы, интегрировать модели в продакшн.

• Настраивать мониторинг моделей, проводить итеративное улучшение.

• Работать с данными: подготовка, очистка, преобразование, структурирование.

• Взаимодействовать с командами разработки, аналитики, DevOps.

• Погружаться в современные LLM-инструменты и применять их в продуктах (по необходимости).

Что нам важно:

Опыт и образование:

• Опыт работы ML-инженером/Data Scientist от 3 лет.

• Подтвержденный опыт разработки и внедрения ML-моделей в продакшн (минимум 3-5 проектов, минимум 1 проект - с нуля до продакшен + мониторинг + совершенствование).

• Законченное высшее образование - IT, техническое или математическое.

Технические навыки:

• Уверенное знание Python, умение писать чистый, поддерживаемый продакшн-код, в первую очередь- для ML-задач.

• Опыт создания и сопровождения ML-сервисов на современных фреймворках: FastAPI, Flask.

• Глубокое понимание алгоритмов машинного обучения (деревья решений, 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-фреймворков: 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.

Профессиональные качества:

• Способность самостоятельно решать задачи с минимальным контролем

• Понимание бизнес-контекста и умение переводить бизнес-задачи в ML-формулировку.

• Системное мышление при проектировании решений.

• Портфолио с завершенными проектами.

• Готовность активно погружаться в быстро развивающийся стек LLM-технологий и применять их на проектах.

Будет плюсом:

Широта экспертизы

• Опыт работы в разных доменах: Computer Vision, NLP, Time Series, финтех, e-commerce и других.

• Опыт работы с разнообразными библиотеками и инструментами, решающими одни и те же задачи, понимание различий и плюсов/минусов.

• Опыт работы с неструктурированными, большими данными, разными форматами данных.

Работа с LLM и продвинутыми подходами

• Навыки работы с большими языковыми моделями (Hugging Face, vLLM).

• Знание архитектурных паттернов для LLM.

• Опыт построения и оптимизации RAG-систем.

• Умение строить и донастраивать сложные взаимодействия с LLM: prompt engineering, prompt chaining, function calling и contextual memory.

• Навыки работы с векторными базами данных (подбор, оптимизация запросов, управление индексами).

MLOps и инфраструктура

• Владение инструментами CI/CD и принципами MLOps для автоматизации. развертывания моделей: GitLab, GitHub.

• Tracking экспериментов: MLflow, Weights & Biases.

• Оркестрация пайплайнов: Airflow, Kubeflow.

• Опыт работы с аналитическими БД: ClickHouse, Greenplum.

• Опыт оптимизации моделей: ONNX, TensorRT, quantization.

Что мы предлагаем

• Работа в продуктивном аутстафф-формате: участие в реальных продуктовых командах заказчиков

• Оплачиваем тестовое задание при трудоустройстве - если тест отрабатывается на реальном кейсе проекта, мы компенсируем время кандидата после выхода в штат.

• Работа в устойчивой IT-компании и возможность профессионального роста.

• Участие во внутренних мероприятиях, корпоративной культуре и развитии компании.

• Формат: офис Тула или удалёнка с другого города

• Оформление по ТК РФ

• IT-ипотека по сниженной ставке, отсрочка от службы в армии

• График: 5/2, с 9:00 до 18:00, плавающий обед;

• Компенсации и бонусы:

  • 50% оплаты занятий английским;

  • 50% оплаты спорта;

  • софинансирование профессионального обучения;

  • оплата парковки для офисных сотрудников.

Как откликнуться

Отправьте в сопроводительном письме ссылки на портфолио / GitHub / pet-projects - нам важно видеть реальные кейсы и результаты.

Если вы хотите работать с ML-архитектурой, сложными задачами и продакшн-решениями - будем рады познакомиться!