ML-engineer in fintech

Secunda; United States; Remote; USD 120,000 - 180,000; Full time

Benefits offered by this job

Удалённая работа

Гибкое рабочее время

Современные инструменты и дружная комм

Возможность влиять на продукт

ГПХ/ИП РФ

Job summary

Secunda ищет ML-инженера в удалённую команду: вы будете внедрять модели в продакшн, проектировать конвейеры скоринга и оценки рисков, настраивать CI/CD для ML, обеспечивать стабильность работы моделей и мониторинг дрейфа.

Требуется 3+ года коммерческой разработки, сильные навыки Python, библиотеки ML (scikit-learn, XGBoost, LightGBM), SQL, Docker, Kubernetes; опыт работы с Airflow/MLflow; умение работать в кросс-функциональной команде.

Qualifications

• 3+ года коммерческой разработки в ML-инженерии или близко к ML
• Уверенное владение Python и умение писать clean, production-ready код
• Глубокие знания ML-библиотек: scikit-learn, XGBoost, LightGBM
• Опыт работы с большими данными: SQL, Spark/Dask
• Навыки контейнеризации и оркестрации: Docker, Kubernetes
• Понимание MLOps: Airflow/Prefect/Kubeflow, MLflow/DVC
• Git и CI/CD (GitHub Actions / GitLab CI)
• Умение работать в команде с data-сайентистами и бэкенд-разработчиками

Responsibilities

• Внедрять ML-модели в продакшн: разрабатывать и интегрировать пайплайны для скоринга и оценки рисков
• Строить надёжные пайплайны обработки данных: подготовка, валидация и трансформация данных
• Оптимизировать производительность алгоритмов: ускорение кода, снижение расходов ресурсов, снижение latency
• Разрабатывать и внедрять MLOps-практики: автоматизация обучения, тестирования, развёртывания и мониторинга моделей
• Обеспечивать стабильность работы моделей в продакшне: дрейф данных и метрик, алерты и переобучение
• Интегрировать ML-решения с архитектурой продукта: создание API и микросервисов на базе моделей
• Версионировать данные и модели: воспроизводимость экспериментов и обновление моделей

Skills

Python

Production-ready code

scikit-learn

XGBoost

LightGBM

SQL

Data pipelines

ML Ops concepts

Tools

Docker

Kubernetes

Airflow

Kubeflow

MLflow

DVC

GitHub Actions

Git

Spark

Dask

Job description

Описание: У нас группа компаний МКК. 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!

Задачи

• 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.

Требования

• Опыт коммерческой разработки от 3 лет на позиции ML-инженера или разработчика с сильным уклоном в машинное обучение.
• 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).
• Будет плюсом: Опыт в финтехе или высоконагруженных системах будет преимуществом.

Условия

• Удалённая работа: работай из любой точки мира.
• Гибкое рабочее время: стандартная пятидневка (5/2), но мы ценим твой work-life balance.
• Оформление по ГПХ/ИП РФ.
• Современные инструменты и дружная команда профессионалов.
• Возможность влиять на продукт и видеть результат своей работы.