Младший специалист по машинному обучению — старт в AI
Небольшая продуктовая команда из сферы финтех сочетает экспертизу банковского скоринга с современной культурой data-science. Мы ценим ясное мышление, чистый код, короткие итерации — и поддерживаем новичков наставничеством опытных ML-инженеров.
Обязанности
- Размечать анонимизированные финансовые транзакции, корректно присваивая метки «мошенничество/норма».
- Собирать, чистить и валидационно делить выборки для классификации и кластеризации.
- Писать прототипы скриптов на Python (pandas, scikit-learn) внутри Jupyter Notebooks.
- Вычислять базовые метрики (accuracy, precision, recall) и анализировать результаты.
- Документировать принятые решения, формулировать выводы для продукта.
- Взаимодействовать с аналитиками, разработчиками и QA, обсуждая корректность данных.
Требования
- Понимание принципов машинного обучения: регрессия, классификация, переобучение.
- Базовый опыт работы с Python 3.10+, библиотеками NumPy, pandas, scikit-learn.
- Уверенное владение Jupyter Notebooks или Google Colab.
- Навык чтения математических формул и исследования kaggle-соревновательных baseline-ов.
- Способность самостоятельно искать информацию, задавать вопросы и планировать время.
- Грамотная письменная и устная речь на русском языке.
Будет плюсом
- Участие в проектах по разметке данных или аналитических хакатонах.
- Понимание принципов фрод-детекции в электронной коммерции или банковском секторе.
- Знакомство с Git, Docker, MLflow.
Что вас ждёт
- Наставник из числа старших data-scientist, регулярные код-ревью.
- Доступ к корпоративному курсу по feature engineering и построению скоринговых моделей.
- Возможность удалённого подключения к вычислительным мощностям (GPU, TPU).
- Карьерная траектория до ML-инженера за 12-18 месяцев при успешных результатах.
Почему именно мы?
Здесь нет бюрократии, зато есть живые данные, амбициозные метрики и команда, которая любит делиться знаниями. Сегодня вы помечаете транзакции, завтра предлагаете идею по автоматической генерации признаков — и видите, как процент ложноположительных операций падает в продакшене. Цените быстрый рост? Вы по адресу!