ML / DS Engineer (Classic ML) - Data Science

Jobs in GameDev & IT; United States; Remote; USD 120,000 - 180,000; Full time

Job summary

NoveraDev ищет ML/DS инженера для разработки и внедрения моделей классического машинного обучения удалённо. В функционале — создание и отбор признаков, построение пайплайнов, интеграция моделей через API и мониторинг производительности.

Требуется коммерческий опыт, глубокие знания Python, SQL и фреймворков градиентного бустинга; опыт работы с MLOps и CI/CD для ML-проектов обязателен. Работа удаленная по всему миру.

Qualifications

• Коммерческий опыт разработки в Data Science / ML
• Глубокие знания Python и стека pandas, numpy, scikit-learn, а также одного из фреймворков градиентного бустинга (LightGBM, XGBoost, CatBoost)
• Уверенное владение SQL и работа с большими данными (ClickHouse, PostgreSQL, Greenplum или аналоги)
• Понимание метрик качества для классификации, регрессии, ранжирования: precision/recall, ROC-AUC, lift, MAP, NDCG
• Опыт построения end-to-end ML-пайплайнов: от выгрузки данных до деплоя и мониторинга
• Знание MLOps-инструментов: MLflow, DVC, опыт работы с CI/CD для ML-проектов

Responsibilities

• Разработка и внедрение моделей классического ML: градиентный бустинг, логистическая регрессия, случайный лес, линейные модели
• Решение бизнес-задач: кредитный скоринг, прогнозирование оттока, оценка рисков, рекомендательные системы на основе коллаборативной фильтрации
• Feature engineering — создание и отбор признаков, работа с большими объёмами структурированных данных
• Построение пайплайнов обучения и валидации с учётом требований к интерпретируемости (SHAP, LIME, Feature Importance)
• Разработка пайплайнов для A/B-тестирования и пост-релизного мониторинга моделей
• Интеграция моделей в продуктовую среду через API (FastAPI, Flask) и orchestration (Docker, Kubernetes)
• Взаимодействие с заказчиком: уточнение бизнес-метрик, презентация результатов, документация

Skills

Python

SQL

pandas

numpy

scikit-learn

LightGBM

XGBoost

CatBoost

Big data

MLOps

API

Tools

MLflow

DVC

CI/CD for ML

Docker

Kubernetes

FastAPI

Flask

Spark

ClickHouse

PostgreSQL

Job description

Вакансия: ML / DS Engineer (Classic ML)

Формат: удаленно

Сайт компании: https://noveradev.com/

Наши ожидания

• Коммерческий опыт разработки в Data Science / ML.
• Глубокое знание Python и стека: pandas, numpy, scikit‑learn, а также одного из фреймворков для градиентного бустинга (LightGBM, XGBoost, CatBoost).
• Уверенное владение SQL — написание сложных запросов, работа с большими данными (ClickHouse, PostgreSQL, Greenplum или аналоги).
• Понимание метрик качества для классификации, регрессии, ранжирования: precision/recall, ROC‑AUC, lift, MAP, NDCG.
• Опыт построения end‑to‑end ML‑пайплайнов: от выгрузки данных до деплоя и мониторинга.
• Знание MLOps‑инструментов: MLflow, DVC, опыт работы с CI/CD для ML‑проектов.

Основные обязанности

• Разработка и внедрение моделей классического машинного обучения: градиентный бустинг (LightGBM, XGBoost, CatBoost), логистическая регрессия, случайный лес, линейные модели.
• Решение бизнес‑задач: кредитный скоринг, прогнозирование оттока, оценка рисков, рекомендательные системы на основе коллаборативной фильтрации, прогнозирование временных рядов.
• Feature engineering — создание и отбор признаков, работа с большими объёмами структурированных данных (SQL, Spark, Pandas).
• Построение пайплайнов обучения и валидации с учётом требований к интерпретируемости (SHAP, LIME, Feature Importance).
• Разработка пайплайнов для A/B‑тестирования и пост‑релизного мониторинга моделей (дрейф данных, дрейф целевой переменной).
• Интеграция моделей в продуктовую среду через API (FastAPI, Flask) и orchestration (Docker, Kubernetes).
• Взаимодействие с заказчиком: уточнение бизнес‑метрик, презентация результатов, написание технической документации.

Будет плюсом

• Опыт с uplift‑моделированием (методы оценки индивидуального эффекта воздействия: causal models, Meta‑learners, модели на основе деревьев решений для uplift).
• Опыт в кредитном скоринге — построение скоринговых карт, работа с бюро кредитных историй, требования регуляторов к интерпретируемости.
• Опыт практического применения AI-инструментов (Claude Code, OpenAI Codex, OpenCode и аналоги) в коммерческой разработке — для работы с кодом, тестами, ревью и документацией — с обязательной проверкой результата и соблюдением конфиденциальности.