Локация
Москва, Новолесная улица, 2. Гибридный формат: 3 дня в офисе и 2 дня удалённо. Офис рядом с метро Белорусская и Менделеевская.
Компания
АЙСИЭМАР развивает data-driven-решения для товаров повседневного спроса, рынка потребительской техники и опросов потребителей на единой платформе.
Что делать
•Разрабатывать, стандартизировать, внедрять и сопровождать аналитические решения от PoC до Prod.
•Адаптировать статистические и эконометрические модели для интеграции с ClickHouse, конвейерами данных, аналитической платформой и API-сервисами.
•Оптимизировать и масштабировать код, применять высокопроизводительные вычисления и обеспечивать отказоустойчивость решений.
•Проектировать аналитические конвейеры с использованием контейнеризации и распределённых систем, а также настраивать CI/CD для ML-компонентов.
•Участвовать в разработке LLM-пайплайнов, RAG, агентных систем и MCP-интеграций, включая сервисы маскирования данных и контроля запросов.
•Технически курировать решения подрядчиков и готовых платформ: формировать требования, обеспечивать обмен данными и API, принимать результаты и готовить решения к внутреннему обслуживанию.
Требования
•Высшее образование в статистике, математике, экономике или точных науках.
•Не менее 3 лет коммерческого опыта инженером по машинному обучению или разработчиком аналитических решений; текущая или последняя позиция должна быть связана с машинным обучением или анализом данных.
•Уверенное знание алгоритмов оптимизации, классического машинного обучения и статистики, включая утечки данных, схемы валидации и выбор метрик.
•Знание MLOps: CI/CD для ML-компонентов, версионирование моделей и данных, мониторинг качества моделей в продакшене.
•Уверенное владение Python для ML и статистического моделирования, включая pandas, scikit-learn, statsmodels, FastAPI, Pydantic, pytest и SQLAlchemy; опыт написания робастного масштабируемого кода, работы с библиотеками валидации данных и запросов, знание шаблонов проектирования.
•Опыт работы с ClickHouse, базовое знание PostgreSQL и работы через ORM.
•Опыт с Docker или Podman и docker-compose.
•Уверенные навыки работы и написания интерфейсов к REST-сервисам.
•Опыт оптимизации производительности и масштабируемости кода: распараллеливание, оптимизация вычислений и профилирование.
•Базовое понимание LLM-приложений, RAG, агентных систем, интеграции LLM с корпоративными данными и API, а также безопасности LLM, включая маскирование данных и prompt-инъекции.
•Развитое математическое мышление, аналитические способности, внимание к деталям, самостоятельность и навыки ясной письменной и устной коммуникации.
•Опыт работы с Agile и Scrum.
•Английский язык на уровне, достаточном для чтения профессиональной литературы, технической документации и работы с внешними запросами.
Хорошо, если есть
•Базовое знание R и tidyverse.
•Знание Greenplum, Docker Swarm или Kubernetes.
•Опыт с gRPC или GraphQL.
•Опыт в опросных данных, эконометрическом моделировании или планировании экспериментов.
•Опыт работы с MCP и агентными фреймворками.
•Глубокий опыт построения LLM-приложений в продакшене, включая RAG, агентные системы, интеграцию с корпоративными данными и API, а также знакомство с GuardRails.
•Опыт работы с Qdrant или ChromaDB.
•Опыт технического взаимодействия с подрядчиками и вендорами, внедрения сервисов маскирования и безопасности LLM, а также автоматизации документных процессов с OCR, извлечением данных и генерацией документов по шаблонам.
Культура и преимущества
•Гибридный режим работы: 3 дня в офисе и 2 дня удалённо; офис рядом с метро Белорусская и Менделеевская.
•Возможность карьерного развития, участия в стратегических проектах и влияния на бизнес-решения.
•Медицинская страховка, включая стоматологию, страхование при поездках за рубеж и страхование жизни.
•Социальные проекты, наставничество и корпоративные мероприятия.
•Дружелюбная командная среда и поддержка коллаборации.
