Сейчас мы помогаем нашему клиенту - крупной технологической компании - развивать финтех-направление. Команда строит полноценную финансовую экосистему вокруг платежных и кредитных продуктов.
Сам финтех-юнит относительно молодой - ему около 3 лет, поэтому архитектура системы изначально строилась с учётом масштабирования и современных подходов.
Это означает:
практически нет legacy-кода
используются актуальные технологии и стек
команды могут быстро принимать архитектурные решения
процессы остаются достаточно гибкими и не перегруженными бюрократией
За последние несколько лет команда запустила ряд финансовых продуктов, связанных с платежами, рассрочкой, кредитованием и финансовыми сервисами для пользователей.
Какие продукты развиваются
Финтех-направление охватывает несколько сегментов:
B2C продукты
платежные сервисы
кредитные и дебетовые продукты
сервисы рассрочки
персонализированные финансовые предложения
B2B продукты
скоринг корпоративных клиентов
финансовые сервисы для бизнеса
партнерские финансовые API
При этом практически во всех продуктах ключевую роль играет машинное обучение, потому что решения напрямую влияют на:
кредитный риск
конверсию пользователей
доходность финансовых продуктов
персонализацию предложений
Команды могут работать либо над конкретным продуктом, либо над платформенными задачами финтеха.
То есть команда не просто обслуживает модели, а строит интеллектуальные системы принятия решений, которые напрямую влияют на бизнес.
Чем предстоит заниматься:
Это позиция ML Engineer / MLOps-инженера, поэтому основной фокус не только на обучении моделей, но и на инфраструктуре их работы.
Основные задачи:
развитие и поддержка ML-платформы
создание инструментов для Data Scientist
автоматизация пайплайнов обучения и деплоя моделей
обеспечение стабильной работы моделей в production
настройка мониторинга и алертинга
развитие инфраструктуры для работы с ML
Сейчас также активно развивается направление LLM-решений, где планируется создание и внедрение языковых моделей в реальные продукты.
Главная цель команды - построить процессы, которые позволяют быстро, стабильно и масштабируемо выводить ML-решения в продакшн.
Что ожидается от кандидата
Обязательно:
опыт разработки на Python
опыт разработки backend-сервисов
понимание жизненного цикла ML-моделей
опыт вывода моделей в продакшн
работа с мониторингом и логированием
Будет плюсом:
Docker / Kubernetes
CI/CD пайплайны
инструменты управления экспериментами и моделями
работа с большими данными
опыт разработки ML-платформы или ML-инфраструктуры
Условия:
Формат работы — гибрид (Москва или Санкт-Петербург).
Бенефиты:
ДМС со стоматологией
психологическая поддержка
корпоративный спорт
помощь с покупкой жилья
компенсация транспорта и питания
скидки от партнёров
