Что за роль

Роль связана с разработкой и внедрением моделей классического машинного обучения для бизнес-задач — от скоринга и прогнозирования оттока до рекомендаций и временных рядов. В работе сочетаются структурированные данные, полный цикл ML-пайплайна и интеграция моделей в продуктовую среду.

Чем вы будете заниматься

• Разрабатывать модели градиентного бустинга, логистической регрессии, случайного леса и линейные модели.
• Создавать и отбирать признаки, строить пайплайны обучения и валидации.
• Настраивать A/B-тестирование и мониторинг дрейфа данных и целевой переменной.
• Интегрировать модели через API и оркестрацию.
• Уточнять бизнес-метрики с заказчиком, представлять результаты и готовить техническую документацию.

Требования

• Коммерческий опыт в Data Science или машинном обучении.
• Глубокое знание Python, pandas, NumPy, scikit-learn и одного из фреймворков: LightGBM, XGBoost или CatBoost.
• Уверенное владение SQL и опыт работы с большими данными; указаны ClickHouse, PostgreSQL, Greenplum или аналоги.
• Понимание метрик классификации, регрессии и ранжирования.
• Опыт построения ML-пайплайнов от выгрузки данных до развёртывания и мониторинга.
• Знание MLflow или DVC и опыт CI/CD для ML-проектов.

Будет плюсом

• Опыт uplift-моделирования и кредитного скоринга.
• Практическое применение AI-инструментов для разработки с проверкой результатов и соблюдением конфиденциальности.