Novera
Главная/Карьера / Направление

Карьера / Направление

ML / Data Science

В классическом ML задача начинается с бизнес-показателя и данных для прогноза. Инженер создаёт признаки, проверяет модель и следит за тем, как меняется её качество после выпуска.

Рабочие задачи

  • Разработка и внедрение моделей классического машинного обучения: градиентный бустинг (LightGBM, XGBoost, CatBoost), логистическая регрессия, случайный лес, линейные модели.
  • Решение бизнес‑задач: кредитный скоринг, прогнозирование оттока, оценка рисков, рекомендательные системы на основе коллаборативной фильтрации, прогнозирование временных рядов.
  • Feature engineering: создание и отбор признаков, работа с большими объёмами структурированных данных (SQL, Spark, Pandas).
  • Построение пайплайнов обучения и валидации с учётом требований к интерпретируемости (SHAP, LIME, Feature Importance).
  • Разработка пайплайнов для A/B‑тестирования и пост‑релизного мониторинга моделей (дрейф данных, дрейф целевой переменной).
  • Интеграция моделей в продуктовую среду через API (FastAPI, Flask) и orchestration (Docker, Kubernetes).
  • Взаимодействие с заказчиком: уточнение бизнес‑метрик, презентация результатов, написание технической документации.

Профильные навыки

  • Коммерческий опыт разработки в Data Science / ML.
  • Глубокое знание Python и стека: pandas, numpy, scikit‑learn, а также одного из фреймворков для градиентного бустинга (LightGBM, XGBoost, CatBoost).
  • Уверенное владение SQL: написание сложных запросов, работа с большими данными (ClickHouse, PostgreSQL, Greenplum или аналоги).
  • Понимание метрик качества для классификации, регрессии, ранжирования: precision/recall, ROC‑AUC, lift, MAP, NDCG.
  • Опыт построения end‑to‑end ML‑пайплайнов: от выгрузки данных до деплоя и мониторинга.
  • Знание MLOps‑инструментов: MLflow, DVC, опыт работы с CI/CD для ML‑проектов.

Коммерческий опыт

Рассматриваем Junior+, Middle и Senior. Минимум для каждого направления: 6 месяцев коммерческого опыта по профилю. Курсы и личные проекты могут дополнить его.

Курсы и личные проекты не заменяют коммерческий опыт.

Плюсом будет опыт применения AI-инструментов в коммерческой работе: с проверкой результата тестами и ревью, соблюдением конфиденциальности.

Расскажите о своём опыте

Расскажите о ML-задаче и целевой метрике. Опишите признаки, валидацию, интерпретацию модели и опыт её интеграции или мониторинга.

Рассказать об опыте

Знакомимся со специалистами этого направления для будущих проектов. Эта страница не является объявлением об открытой вакансии.