ML Techlead/Team Lead
Частный рекрутер
Рекрутер Катрина
( сайт не указан )
Аккаунт зарегистрирован с email *@yandex.com
Опыт работы более 5 лет350 000 ₽
Описание проекта: Финтех
Продолжительность: 3 месяца с возможностью продления
Заработная плата от 350.000 руб и выше ( по итогам интервью)
Оформление: СЗ или ИП
‼️Требования:
● Опыт руководства ML/AI-командой и управления несколькими сложными проектами одновременно.
● 8+ лет опыта в Data Science/ML, включая hands-on разработку.
● Глубокие знания Python, SQL, основных библиотек (NumPy, Pandas, Scikit-Learn, LightGBM, CatBoost, PyTorch и др.).
● Опыт в Predictive/Prescriptive/Descriptive Modeling, Reinforcement Learning, NLP, AI-агентах, RAG, LangChain.
● Владение методами A/B-тестирования, статистического анализа, оптимизационных моделей.
● Навыки построения архитектуры больших данных (Hadoop, Hive, Kafka SQL) и интеграции с корпоративными системами.
● Опыт работы с бизнес-ориентированными задачами: персонализация, удержание клиентов, прогноз спроса, обнаружение мошенничества.
● Английский — не ниже Upper-Intermediate.
Будет плюсом:
● Опыт публичных выступлений и публикаций.
● Разработка open-source инструментов в области Data Science.
● Сертификации в области Agile, Data Science или Big Data
Задачи:
● Определять и реализовывать стратегию развития AI/ML-проектов в рамках продуктовой и технологической стратегии компании.
● Трансформировать бизнес-цели в архитектуру решений Data Science и чёткие дорожные карты с KPI, сроками и оценкой экономического эффекта.
● Руководить разработкой и внедрением ML-систем (рекомендательные системы, прогнозирование, динамическое ценообразование, выявление аномалий, моделирование пользовательского поведения и др.).
● Разрабатывать и оптимизировать алгоритмы на Python/SQL с применением современных ML/DL/NLP/RL-методов.
● Внедрять автоматизацию полного цикла ML-разработки: от сбора данных и обучения моделей до деплоя и мониторинга качества.
● Активно использовать LLM и AI-агентов для ускорения прототипирования и автоматизации повторяющихся задач.
● Организовывать и проводить A/B-тесты, анализировать результаты, внедрять фреймворки для статистического тестирования.
● Набирать, развивать и менторить команду Data Science