Data Scientist / ML Engineer

Описание

DS/ML является одним из ключевых технологических стримов команды, чьи модели и фичи используются в системообразующих доменах и бизнес-процессах Т-Банка. В рамках стрима разрабатываются платформенные ML-решения для задач сегментации, рекомендаций, LTV-моделирования, Look-alike портретирования, мультимодальных эмбеддингов и AI-ассистентов.

Обязанности

• Разрабатывать и обучать модели машинного обучения для задач сегментации, рекомендаций, скоринга, персонализации
• Применять методы регрессии, классификации, кластеризации и глубокого обучения для решения прикладных продуктовых задач
• Строить воспроизводимые пайплайны подготовки данных, обучения, оценки и инференса; обеспечивать их стабильность и эффективность на больших объёмах
• Настраивать мониторинг качества данных и моделей, стабильности и производительности ML-пайплайнов
• Проводить IDA и EDA: нормализация, очистка, бизнес-ценность и применимость
• Устранять проблемы качества данных: leakage, noise, drift и деградацию признаков
• Версионировать и документировать датасеты и ассеты для обучения моделей
• Организовывать расчёт и поставку эмбеддингов и модельных признаков в векторные хранилища и мастер-системы потребители
• Документировать модели, эксперименты и методологии разработки
• Поддерживать и развивать базу знаний команды
• Делиться практиками и участвовать в ИИ-зации команды

Требования

• Опыт Data Science / Machine Learning 3+ лет
• Продвинутый SQL (DML, DDL): подготовка обучающих сэмплов, разработка ETL / SSETL, интеграция между системами, работа с витринами и BI
• Глубокое понимание основ ML и глубокого обучения: регрессия, классификация, кластеризация, архитектура трансформеров и механизмом attention
• Уверенное владение Python ML-стеком (PyTorch / scikit-learn / XGBoost / CatBoost)
• Опыт построения ML-пайплайнов и MLOps процессов (Train, Eval, Deploy, Monitoring)
• Опыт работы с Big Data инструментами и Data-платформами (Spark / Databricks / MPP)

Будет плюсом

• Опыт в финтехе / E-com / Big Tech
• Опыт масштабирования инференса, оптимизации использования GPU и памяти
• Опыт предобучения или дообучения трансформеров на последовательностях событий
• Сильная проектная экспертиза, участие в сложных кросс-командных инициативах
• Опыт работы с нейросетевыми моделями распознавания (текст, голос, лица)

Условия

• Безграничный доступ к современной Data / ML инфраструктуре
• Сильная команда: аналитиков, инженеров данных, менеджеров
• Возможность работать с ML-задачами в масштабных продуктах
• Свобода предлагать и проверять ML-гипотезы, влияющих на клиентов Т
• Конкурентная ЗП, компенсация "плюшек" и прозрачные договоренности по росту