Data Scientist (ML Space)

Обязанности:

В направление ML Space требуется DS-специалист для разработки облачных AI-сервисов.

Приглашаем Data Scientist в команду ML Space, которая занимается развитием продукта ML Space - платформы для ML-разработки полного цикла: от трансфера и хранения BigData до деплоя и автоматического масштабирования готовой модели. Вам предстоит на основе данных заказчика и открытых источников создавать воспроизводимые ML-пайплайны, которые другими заказчиками смогут переиспользоваться на своих данных для решения схожих бизнес-задач.

Будет необходимо заниматься уточнением бизнес-задачи, помощью в формализации потребностей, подготовкой данных для моделирования, написанием кода от baseline-модели до полноценного ML-пайплайна и публикации его на ML Space.

Обязанности:

• Разработка ML-пайплайнов (AI-сервисов), в том числе в экспресс-режиме (разработка MVP, проверка/тестирование гипотез), подготовка EDA с помощью библиотек Python на данных клиентов;
• Умение формулировать гипотезы, проверяемые с помощью ML; Подготовка шаблона для запроса данных у клиента под конкретную задачу;
• Помощь в формализации потребностей и формировании бизнес-требований, экспертный контроль качества полученных ML-моделей, достижение бизнес-целей заказчика;
• Участие в развитии передовой платформы для полного цикла ML-разработки «ML Space» https://sbercloud.ru/ru/aicloud/mlspace.

Требования:

• Хорошее знание Python, опыт разработки ML-пайплайнов (MLOps);
• Опыт в решении задач прогнозной (предиктивной) аналитики, например, предсказание спроса, динамическое ценообразование, предсказание поломок оборудования;
• Понимание методологий минимум в 3 из перечисленных направлений: технологии CV, NLP, рекомендательные системы, временные ряды;
• Уверенные знания в области классического машинного обучения (метрики, оценки качества, визуализации, интерпретации результатов моделирования);
• Коммерческий опыт работы с большими данными с помощью библиотек pandas, numpy, scikit-learn, знание и опыт разработки на фреймворке PyTorch и использование других фреймворков глубинного обучения (JAX, TensorFlow);
• Опыт работы с контейнерами Docker и с системами оркестрации (Kubernates);
• Опыт работы в Linux-средах обязателен;
• Высшее образование по направлениям ПМИ, программная инженерия. Преимущество отдается кандидатам из ШАДа, AI Masters (OzonMasters), MADE.

Будет плюсом:

• Понимание REST, опыт работы с python-фреймворками инференса Kserve, Nvidia Triton (FastAPI, Flask и т. п.), понимание gRPC;
• Умение работать с большими данными через Spark;
• Знание SOTA-алгоритмов, умение их применить в практических кейсах;
• Опыт продуктивизации ML-подобных решений/моделей (в идеале – продуктов, основанных на технологиях машинного обучения/компьютерного зрения/NLP), вывод ML-модели машинного обучения за стадию MVP;
• Понимание механизмов распределенных вычислений (MPI, torch.distributed, horovod);
• Практический опыт работы с системами контроля версий (у нас GitLab) и системами управления проектами (стек Atlassian: Jira, Confluence и т. д.) в командной разработке;
• Опыт реализации кейсов на данных компаний из разных отраслей (например, металлургия, АПК, ритейл и др.).

Условия:

Что мы предлагаем:

• Оформление в соответствии с трудовым законодательством РФ;
• Конкурентный уровень дохода (оклад + годовой бонус);
• ДМС со стоматологией и возможностью подключения к программе своих детей и родственников;
• Прозрачную систему мотивации, которая позволяет влиять на уровень дохода;
• Работу в команде профессионалов;
• Участие в создании инновационных продуктов;
• Гибкое начало рабочего дня, пятница - сокращённый рабочий день;
• Возможность работать удаленно;
• Офис в центре Москвы;
• Корпоративную мобильную связь;
• Льготную программу ипотечного и потребительского кредитования;

Ещё у нас:

• Возможность вертикального и горизонтального роста;
• Бонусные программы от компаний партнёров;
• Возможность получения бонуса за закрытие вакансии по вашей рекомендации;
• Материальная помощь при рождении детей и др. семейных обстоятельствах;
• Обучение в Корпоративном университете;
• Участие в профильных конференциях в качестве спикера или слушателя;
• Корпоративная жизнь: спортивные комьюнити, клубы по интересам (настолки, интеллектуальные игры;
• Обучение и развитие в компании.