ML-engineer/researcher в финтех

От 3 до 6 лет•Полная занятость•Полный день
Казань

Привет!

Мы - группа компаний микрокредитных займов.

Secunda — наш платежеспособный агент, который мы сделали, чтобы облегчить переводы с клиентами, банками и партнерами. Мы активно растём и удваиваем масштабы каждые полгода, поэтому сейчас в поисках крутого специалиста в нашу команду :)

Тебе интересно строить ML-модели, которые реально влияют на бизнес. Хочешь видеть, как твои решения меняют подход к оценке клиентов и делают финтех-сервисы умнее? Тогда тебе к нам!

Чем предстоит заниматься:

— Внедрять ML-модели в продакшн: разрабатывать и интегрировать пайплайны для скоринга, оценки рисков и других бизнес-задач в промышленную среду.

— Строить надёжные пайплайны обработки данных: обеспечивать качественную подготовку, валидацию и трансформацию данных для обучения и инференса моделей.

— Оптимизировать производительность алгоритмов: повышать скорость работы кода, снижать потребление ресурсов, улучшать latency и пропускную способность систем.

— Разрабатывать и внедрять MLOps-практики: автоматизировать процессы обучения, тестирования, развертывания и мониторинга моделей (CI/CD для ML).

— Обеспечивать стабильность работы моделей в продакшне: отслеживать дрейф данных и метрик качества, настраивать алерты и процессы переобучения.

— Интегрировать ML-решения с продуктовой архитектурой: работать с разработчиками над созданием API, сервисов и микросервисов на базе моделей.

— Версионировать данные и модели: контролировать воспроизводимость экспериментов и корректное обновление моделей в продакшне.

Что важно для этой роли:

— Опыт коммерческой разработки от 3 лет на позиции ML-инженера или разработчика с сильным уклоном в машинное обучение (опыт в финтехе или высоконагруженных системах будет преимуществом).

— Уверенное владение Python и навыки написания чистого, поддерживаемого, production-ready кода.

— Глубокое знание ML-библиотек: scikit-learn, XGBoost, LightGBM, pandas, numpy.

— Опыт работы с большими данными: уверенное владение SQL, понимание Spark / Dask / аналогичных инструментов.

— Навыки контейнеризации и оркестрации: опыт с Docker (обязательно), знакомство с Kubernetes.

— Понимание принципов MLOps: опыт с инструментами оркестрации (Airflow / Prefect / Kubeflow), системами трекинга экспериментов (MLflow / Weights & Biases), версионирования данных (DVC).

— Системное мышление: понимание, как устроены пайплайны от источника данных до конечного API, умение проектировать отказоустойчивые решения.

— Опыт работы с Git, понимание CI/CD-процессов (GitHub Actions / GitLab CI / Jenkins).

— Умение работать в команде: взаимодействовать с дата-сайентистами (принимать прототипы и делать их промышленными) и бэкенд-разработчиками (интегрировать решения в продукт).

Условия:

— Удалённая работа: работай из любой точки мира.

— Гибкое рабочее время: стандартная пятидневка (5/2), но мы ценим твой work-life balance.

— Сотрудничество по ГПХ/ИП РФ.

— Современные инструменты и дружная команда профессионалов.

— Возможность влиять на продукт и видеть результат своей работы.

Присоединяйся к нам, чтобы вместе создавать будущее финтеха!

ID 865950• 2 (+1 сегодня)•Публикация: 16.11.2026•

Похожие вакансии