О позиции
Мы ищем опытного ML-инженера для работы в компании RedLab. Ваша роль будет заключаться в исследовании и применении математических и ML-методов для решения прикладных бизнес-задач. Вы будете разрабатывать и обучать ML-модели, строить end-to-end ML-пайплайны и интегрировать ML-решения в существующую ИТ-инфраструктуру. Эта вакансия ML-инженера предлагает возможность работать над интересными проектами в финансовой и промышленной сферах.
Чем вы будете заниматься
- Исследовать и применять математические и ML-методы для решения бизнес-задач;
- Разрабатывать и обучать ML-модели, включая RecSys и NLP;
- Строить end-to-end ML-пайплайны от анализа данных до выбора лучших моделей;
- Реализовывать production-ready решения и оптимизировать инференс;
- Интегрировать ML-решения в ИТ-инфраструктуру;
- Настраивать мониторинг технических и качественных метрик моделей;
- Взаимодействовать с инженерами и продуктовыми командами.
Требования
- Опыт коммерческой разработки в области Machine Learning от 3 лет;
- Продвинутый уровень Python (от 5 лет) и умение писать чистый код;
- Знание фреймворков FastAPI/Django/Flask;
- Глубокое понимание теоретической базы ML;
- Опыт работы с классическим ML и бустингами (Scikit-learn, CatBoost и др.);
- Опыт с deep learning и NLP (PyTorch, Hugging Face Transformers);
- Опыт построения и эксплуатации LLM- и RAG-пайплайнов;
- Знание Docker и CI/CD;
- Хорошее знание Linux и опыт работы с векторными базами данных.
Будет плюсом
- Опыт работы с брокерами сообщений (Kafka/RabbitMQ);
- Понимание принципов MLOps и мониторинга (включая Grafana).
Что мы предлагаем
- Удаленную работу из любого города;
- Full-time занятость с заключением договора;
- Интересные проекты в финансовой и промышленной сферах;
- Скидки от партнеров на обучение и покупки;
- Корпоративная библиотека.
Вакансия предлагает интересные возможности для ML-инженеров с опытом. Условия работы и проекты выглядят привлекательными, но есть необходимость в высокой квалификации и опыте.
Кто здесь добьётся успеха
Глубокие знания в Python и опыт работы с библиотеками для машинного обучения, такими как PyTorch и FastAPI, что позволяет эффективно разрабатывать и внедрять ML-решения.
Способность к самоорганизации и высокой самодисциплине, что критично для удаленной работы, особенно в управлении временем и проектами.
Опыт разработки end-to-end ML-пайплайнов и интеграции моделей в существующую инфраструктуру, что требует практического мышления и понимания DevOps-подходов, включая использование Docker и Kafka.
Ресурсы для обучения
Карьерный путь
Обзор рынка
Навыки и требования
Тренды отрасли
Новости отрасли
Загружаем новости отрасли...
Ищем релевантные статьи за последние 6 месяцев