ML engineer in fintech

SNAP IT - российская независимая технологическая компания. Мы представители самой технологичной и стремительно эволюционирующей индустрии IT. Создаем ПО для ФинТеха. Топовые банки уже доверили нам самые сложные высокотехнологичные проекты. Мы верим, что роботизация бизнеса - это будущее, которое наступило уже сегодня. Ищем инженера, который совмещает прикладную ML-разработку и MLOps: умеет работать с данными и моделями, организовать воспроизводимый процесс и довести решение до стабильной работы в production с помощью ИИ-агентов.

Уточнять задачу и критерии успеха, анализировать и подготавливать данные, создавать baseline и выбирать подход. Обучать или дообучать модели, анализировать ошибки, сравнивать решения по качеству, скорости и стоимости. Документировать результаты экспериментов и ограничения выбранного подхода Автоматизировать подготовку данных, обучение, оценку и развёртывание; версионировать данные, код, модели и конфигурации. Обеспечивать повторяемость экспериментов и сборок Создавать сервисы инференса и интеграции с продуктом, настраивать окружения CPU/GPU, тестирование, CI/CD, мониторинг, обновление и откат моделей Создавать skills, проектные инструкции и workflow.

Подключать инструменты и документацию, контролировать доступ к данным, секретам и вычислительным ресурсам, проверять подготовленный агентами код Вручную проверять данные и разметку на выборках, анализировать предсказания и ошибки модели, исследовать проблемные сценарии. Не ограничивать сводными метриками Лично проходить реальные сценарии в развёрнутом продукте, проверять интеграции и нагрузочные характеристики. Диагностировать проблемы данных, модели, сервиса и инфраструктуры Следить за качеством, задержками, ошибками, потреблением ресурсов и изменениями входных данных.

Исследовать отклонения, устранять проблемы и проверять результат исправлений

Уверенный Python, опыт PyTorch и/или scikit-learn либо аналогичных инструментов. Умение читать, писать и отлаживать код подготовки данных, обучения и инференса, а не только запускать готовые примеры Практический опыт развёртывания и сопровождения ML-сервисов. Понимание API, хранения и…