ML Tech Lead (Applied AI & Research)

уверенное знание линейной алгебры, теории вероятностей, статистики и основ математической оптимизации;

понимание unit-экономики ML;

умение быстро читать и имплементировать статьи с arXiv, оценивать state-of-the-art подходы;

умение объяснять сложные математические и ML-концепции;

продвинутый Python: ООП, асинхронность, написание чистого и поддерживаемого кода;

продвинутый SQL: оконные функции, оптимизация запросов, работа с большими объёмами данных;

опыт работы с библиотеками для анализа данных;

опыт применения градиентного бустинга;

глубокое понимание метрик, работы с дисбалансом классов и временными рядами;

глубокое знание PyTorch, Transformers и экосистемы HuggingFace;

опыт построения RAG-пайплайнов и создания AI-агентов;

опыт fine-tuning LLM;

опыт работы с векторными базами данных;

опыт работы с реляционными и аналитическими СУБД;

опыт визуализации данных.