ML engineer in fintech

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

Benefits offered by this job

ДМС+стоматология после испытательного

Предоставление техники

Отсутствие бюрократии

Job summary

SNAP IT в Москве ищет инженера, совмещающего прикладной ML-разработку и MLOps. Ваша задача — работать с данными и моделями, организовать воспроизводимый процесс и довести решение до стабильной production-работы с помощью ИИ-агентов.

Формат работы — удалённый; пару раз в месяц офис в Москве; оформление по ТК РФ; ДМС+стоматология после испытательного срока; предоставление техники; отсутствие бюрократии, прозрачность, быстрая поддержка и уважение к команде.

Qualifications

• Уверенный Python, опыт PyTorch и/или scikit-learn.
• Умение читать, писать и отлаживать код подготовки данных, обучения и инференса, а не только запускать готовые примеры.
• Практический опыт развертывания и сопровождения ML-сервисов.
• Понимание API, хранения и версионирования артефактов, воспроизводимости окружений, мониторинга, обновления и отката моделей.
• Практические навыки Linux, Docker, Git, тестирования и CI/CD.
• Умение диагностировать проблемы производительности, использования CPU/GPU и памяти.
• Опыт Codex, Claude Code или аналогов; создание skills и инструкций.
• Опыт MLflow, DVC, Kubernetes будет плюсом.

Responsibilities

• Уточнять задачу и критерии успеха, анализировать данные и подготавливать их.
• Обучать или дообучать модели; анализировать ошибки и сравнивать решения.
• Автоматизировать подготовку данных, обучение, оценку и развёртывание; версионировать данные, код, модели и конфигурации.
• Создавать сервисы инференса и интеграции с продуктом; настраивать окружения CPU/GPU, CI/CD, мониторинг и обновления.
• Документировать результаты экспериментов и ограничения подхода.
• Проверять данные вручную и анализировать предсказания, исследуя проблемные сценарии.

Skills

Python

PyTorch

scikit-learn

Linux

Data analysis

CI/CD

Tools

Docker

Git

Kubernetes

MLflow

DVC

Job description

Описание

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.

Задачи

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

Требования

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 версионирования артефактов, воспроизводимости окружений, мониторинга, обновления и отката моделей Практические навыки Linux, Docker, Git, тестирования и CI/CD. Умение диагностировать проблемы производительности, использования CPU/GPU и памяти Практический опыт Codex, Claude Code или аналогов; создание skills и проектных инструкций, настройка контекста, инструментов и безопасных окружений под ML- и инфраструктурные задачи Готовность самостоятельно проверять код и выводы агентов, вручную анализировать данные и предсказания, проверять реальные сценарии и доводить модель и сервис до согласованного качества Будет плюсом: Опыт MLflow, DVC, Kubernetes и оркестраторов вычислительных задач; Опыт оптимизации GPU-инференса, батчинга, квантования и нагрузочного тестирования ML-сервисов; Хорошее понимание ASR, TTS, DSP ML, speech & audio processing понимание трансформеров, attention-механизмов, KV-cache, diffusion; Опыт работы с диффузионными и авторегрессионными архитектурами для аудио/музыки

Условия

Формат работы: удалённый. Важно иметь возможность пару раз в месяц ездить в офис в Москве; Оформление в соответствии с ТК РФ; ДМС+стоматология после окончания испытательного срока; Предоставление техники; Отсутствие бюрократии, прозрачность, быстрое принятие решений, а также уважение к каждому члену команды; Поддержка в значимых событиях.