Чем предстоит заниматься:
-
Сопровождение и поддержка действующих ML-решений — мониторинг качества работы цифровых советчиков и систем предиктивной диагностики в промышленной эксплуатации, отслеживание деградации моделей, дообучение и доработка признаков при снижении точности прогнозов.
- Разработка новых прогнозных моделей под бизнес-задачи: прогнозирование цен, объёмов производства и сбыта, спроса — с применением методов классического ML (регрессия, классификация, анализ временных рядов) и, при необходимости, глубокого обучения.
- Полный цикл работы с данными — сбор и подготовка данных из различных источников (производственные системы, ERP, IoT-датчики), разведочный анализ (EDA), очистка от выбросов и пропусков, инжиниринг признаков.
- Проектирование и внедрение алгоритмов машинного обучения для систем предиктивной диагностики оборудования и NLP/диалоговых компонентов цифровых помощников оператора, включая выбор архитектуры моделей и подбор гиперпараметров.
- Оценка и валидация качества моделей — подбор метрик под конкретную бизнес-задачу, кросс-валидация (в том числе для временных рядов), бэктестинг прогнозных моделей перед вводом в эксплуатацию
- Вывод моделей в промышленную эксплуатацию — упаковка кода в воспроизводимые пайплайны, участие в настройке процессов автоматического переобучения и мониторинга моделей в production совместно с инженерами по данным/DevOps.tbank.
- Сопровождение и поддержка действующих ML-решений — мониторинг качества работы цифровых советчиков и систем предиктивной диагностики в промышленной эксплуатации, отслеживание деградации моделей, дообучение и доработка признаков при снижении точности прогнозов.
- Взаимодействие с бизнес-заказчиками и техническими командами — перевод запросов операционных и производственных подразделений в формализованную постановку ML-задачи, интерпретация результатов моделей, подготовка выводов и рекомендаций для внедрения.
Что мы ждем от кандидатов: Обязательно:
• Python и стек ML-библиотек: уверенное владение pandas, NumPy, scikit-learn для обработки данных и построения классических моделей; опыт применения градиентного бустинга и регрессионных методов для задач прогнозирования.
• Работа с временными рядами и предиктивной аналитикой: построение моделей прогнозирования цен, объёмов и остаточного ресурса оборудования, кросс-валидация на временных рядах, учёт сезонности и трендов.
• Разработка backend-сервисов на FastAPI: проектирование REST API, асинхронное программирование (asyncio/await), интеграция с PostgreSQL через SQLAlchemy.
• Контейнеризация и системная архитектура (Docker): упаковка ML-моделей и сервисов в контейнеры, понимание принципов микросервисной архитектуры.
• Работа с базами данных и очередями сообщений: SQL/PostgreSQL для хранения признаков и результатов прогнозов, опыт с Redis/Kafka для потоковой обработки данных с производственных датчиков.
Желательно:
• Базовые навыки frontend/интеграции: сборка минимального UI/дашборда для демонстрации моделей (Streamlit, HTMX и аналоги).
• Управление жизненным циклом ML-моделей (MLOps): версионирование экспериментов и моделей (MLflow), настройка пайплайнов переобучения и мониторинга в production, знакомство с оркестраторами (Airflow).
Что мы предлагаем: - Официальное трудоустройство в штат;
- Привлекательная заработная плата;
- Сильная и дружная команда профессионалов, готовых делиться опытом;
- Демократичное общение с руководителями, которые поощряют твою инициативу;
- Насыщенная корпоративная жизнь;
- ДМС широкого спектра со стоматологией после испытательного срока;
- Возможность выбрать начало дня с 8/9/10 утра;
- Комфортабельный офис класса А на территории которого находятся фитнес-клуб/аптеки/магазины/столовые/кафе/парковые зоны.
- Гибридный формат работы после испытательного срока (2 дня в офисе, 3 из дома).
- ЛОКАЦИЯ И ТРАНСПОРТНАЯ ДОСТУПНОСТЬ:
- Офис м. Славянский бульвар/ БКЛ Давыдково БЦ "Верейская Плаза 4";
- От м.Славянский бульвар доставка корпоративным транспортом – 10 минут;
- От БКЛ Давыдково общественным транспортом - 10 минут.
