О роли
Мы ищем сильного инженера по машинному обучению с опытом работы более 3 лет и глубокими знаниями в области алгоритмов и моделирования машинного обучения. Вы будете разрабатывать и внедрять модели, которые влияют на принятие решений во всех сферах нашего бизнеса — оценка, ранжирование, uplift-моделирование, прогнозирование, рекомендации и обработка естественного языка (NLP) — отвечая за каждую задачу от формулировки до производства и измерения результата. Наша команда Data & ML создает модели, которые поддерживают решения по пациентам и операционным процессам в Impress, крупнейшей сети ортодонтических клиник в Европе, извлекая сигналы из коммуникаций с пациентами. У вас будет возможность развивать эти модели и открывать новые направления моделирования по мере роста бизнеса.
Почему мы классные
•Работа в международной и мультикультурной команде
•Конкурентоспособная зарплата
•Преимущества по выравниванию и отбеливанию зубов
•Сотрудничество и позитивная рабочая атмосфера
•Возможности для роста в быстро развивающейся инновационной компании и реальный опыт стартапа с большими вызовами
•Свежие фрукты и полезные закуски в офисе
Что вы будете делать
•Формулировать и решать разнообразные задачи машинного обучения — классификация, регрессия, ранжирование, uplift / каузальное моделирование, прогнозирование, рекомендации, обнаружение аномалий и некоторые задачи NLP.
•Строить модели по всему спектру алгоритмов — от градиентного бустинга и классического машинного обучения до глубокого обучения (в основном инференс) — выбирая правильный инструмент, а не модный.
•Применять NLP / DL к неструктурированным данным (текст, разговоры, коммуникации): классификация, определение намерений, эмбеддинги, суммирование, извлечение информации.
•Проектировать эксперименты и A/B тесты — определять офлайн метрики и критерии успеха онлайн, анализировать базовые показатели, каузальные эффекты и статистическую значимость, доказывать, что модели действительно влияют на результаты.
•Отвечать за полный жизненный цикл — извлечение данных и создание признаков, обучение и оценка, деплой, переобучение и мониторинг дрейфа и качества данных.
•Устанавливать технический стандарт — обеспечивать строгость оценки, предотвращать утечки и переобучение, наставлять по надежным практикам ML.
Требования
•Сильные основы ML: теория вероятностей и статистика, оптимизация, смещение/дисперсия, регуляризация, оценка моделей и глубокое понимание алгоритмов, лежащих в основе библиотек.
•Широкий опыт моделирования: ансамбли деревьев (бустинг/бэггинг), линейные модели, кластеризация и глубокое обучение (CNN/RNN/трансформеры) — и умение выбирать между ними.
•Экспериментирование: знакомство с uplift / каузальным выводом и экспериментами или сильное желание освоить это.
•Опыт NLP / LLM (эмбеддинги, трансформеры, дообучение или prompting).
•Технический стек: уверенный Python и экосистема ML (NumPy, pandas, scikit-learn; PyTorch или TensorFlow; библиотеки градиентного бустинга).
•Опыт внедрения в продакшен: выпуск моделей в продакшен, а не только работа с ноутбуками — и измерение их влияния.
•Основы программирования: чистый код, SQL, контроль версий, тестирование.
Желательно иметь
•Зрелость в MLOps: отслеживание экспериментов, CI/CD для моделей, feature store, мониторинг моделей.
•Инфраструктура: облачные платформы (AWS / GCP), хранилища данных, оркестрация (Airflow или аналогичные), сервисы (FastAPI, Docker).
•Сообщество: публикации, участие в конкурсах.
