Data Scientist / ML Engineer

Обязанности:

• Разработка и поддержка общих ML-компонентов для команды: пайплайнов подготовки данных, расчёта признаков (Feature Engineering), стандартных метрик и отчётов по моделям.

• Создание и развитие внутренней AutoML-платформы для автоматизации разработки и обучения риск-моделей.

• Построение и развитие Feature Store, обеспечение контроля качества данных и корректности расчёта признаков.

• Автоматизация процессов разработки, обучения, тестирования и мониторинга ML-моделей.

• Внедрение LLM-агентов в рабочие процессы команды для помощи в построении моделей, анализа результатов и подготовки технической документации.

• Участие в развитии инженерных практик команды: проведение Code Review, внедрение тестирования, CI/CD и повышение качества разрабатываемых решений.

Требования:

• Опыт работы в Data Science или ML-разработке от 2 лет.

• Уверенное владение Python: знание ООП, разработка модулей и пакетов, умение читать и анализировать чужой код.

• Хорошее знание SQL: сложные JOIN, оконные функции, работа с большими объёмами данных.

• Понимание классических алгоритмов машинного обучения: бустинги, логистическая регрессия, метрики качества моделей (Gini, ROC-AUC), методы кросс-валидации и предотвращения переобучения.

• Практический опыт работы с Git: ветки, Merge Request, разрешение конфликтов и участие в Code Review.

• Опыт работы с оркестраторами (Airflow или аналоги), написания и отладки DAG, а также разработки воспроизводимого кода с фиксацией зависимостей, тестированием ключевой логики и логированием.

Будет преимуществом:

• Опыт работы в банковской сфере, в частности с риск-моделями, скорингом, PD и валидацией моделей.

• Опыт использования AutoML-инструментов (LightAutoML, Optuna, H2O) или автоматизации процессов обучения моделей.

• Понимание архитектуры Feature Store и опыт работы с Feast или собственными решениями.

• Опыт работы с MLflow или DVC для трекинга экспериментов и версионирования моделей.

• Практический опыт настройки CI/CD (GitLab CI, GitHub Actions).

• Опыт работы с LLM: RAG, агенты, Function Calling и структурированный вывод; понимание особенностей разработки в закрытом IT-контуре с ограниченным доступом к внешним ресурсам.