УПРАВЛЯЮЩАЯ КОМПАНИЯ ЭКОСИСТЕМЫ
технологических
и финтех‑компаний
Участие в масштабных цифровых и технологических проектах;
Работа с сильными командами и экспертами;
Влияние на реальные бизнес-решения и продукты;
Профессиональный рост через практику и новые задачи;
Открытая среда для диалога, обмена опытом и командной работы;
О позиции
-
Опыт: от 3 лет в коммерческой ML-разработке.
-
Образование: высшее — техническое или математическое.
-
Локация/Формат: Ташкент, офис.
-
Занятость: Полная 5/2.
Задачи на испытательный срок (3 месяца)
-
Выполнить первичный анализ данных и рассчитать бизнес-эффект от внедрения ML-решения.
-
Разработать, протестировать и вывести в прод модель прогнозирования финансовой активности по транзакциям.
-
Автоматизировать пайплайн модели (регламентное обновление) и защитить результаты перед стейкхолдерами.
Обязанности
-
Полный цикл ML — от бизнес-постановки и проектирования витрин данных до выбора архитектур (Classic ML, DL, Transformer, LLM/RAG).
-
Построение масштабируемых ML-пайплайнов и микросервисов. Внедрение практик CI/CD для моделей, версионирование данных/экспериментов, обеспечение воспроизводимости кода.
-
Формирование требований к ETL/DWH, интеграция ML-сервисов в инфраструктуру компании.
-
Перевод продуктовых задач в ML-метрики, оценка рисков, защита результатов перед бизнесом, участие в планировании бэклога и релизов.
Стек и технические навыки
-
Python (типизированный, промышленный код), Git, Unit/Integration tests, CI/CD.
-
ML/DL: Scikit-learn, XGBoost/LightGBM/CatBoost, PyTorch (классификация, регрессия, sequence-модели).
-
SQL, pandas, polars, PySpark (обработка больших массивов данных).
-
Docker, Kubernetes, Airflow / Kubeflow Pipelines / Prefect / Dagster.
-
Мат. аппарат: Статистический вывод, доверительные интервалы, дизайн и оценка A/B-тестов.
-
Плюс (желательно): Hugging Face, LangChain, векторные БД.
Языки:
-
Русский: Свободный.
-
Английский: Работа с технической литературой, статьями и документацией.
в экосистеме
в командах
деятельности