yandex
T
Trafmasters
SeniorУдалённоПолная занятость

ML Engineer

ИИОценка ИИ

Отличное предложение для Senior-специалиста: возможность влиять на архитектуру, работа с современным стеком и расширенный пакет бенефитов (отпуск, страховка, обучение). Международный статус компании добавляет привлекательности.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.


Вакансия из открытого источника
Пожаловаться
+400% приглашений от HR

Улучшите резюме под эту вакансию

Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт

Сложность вакансии

ЛегкоСложно
ИИОценка ИИ

Высокая сложность обусловлена необходимостью строить направление с нуля, включая проектирование MLOps и архитектуры на on-premise серверах. Требуется сочетание сильной математической базы и навыков разработки (FastAPI, Docker, Airflow).

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Анализ зарплаты

Медиана500 000 ₽
Рынок400 000 ₽ – 650 000 ₽
ИИОценка ИИ

Зарплата в объявлении не указана, но для позиции Senior ML Engineer в международном холдинге рыночный диапазон составляет 400 000 – 600 000 рублей. Учитывая требования к созданию направления с нуля, компенсация должна соответствовать верхней границе рынка.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Сопроводительное письмо

Составьте сопроводительное письмо под эту вакансию с вашим резюме

Иллюстрация сопроводительного письмаИллюстрация сопроводительного письма

Описание вакансии

#вакансия #ML #Remote #Senior

Позиция: ML Engineer

Компания: TRAFMASTERS (международный full-cycle холдинг, digital & performance marketing)

Формат: Full Remote (работа в защищенном контуре через WDS/RDS)

Занятость: Полная

В TRAFMASTERS мы строим комплексные экосистемы для работы с трафиком в высоконагруженных нишах. Сейчас мы ищем самостоятельного ML-инженера, который с нуля создаст ML-направление внутри компании и выстроит архитектуру на наших on-premise серверах.

Чем предстоит заниматься:

• Проектировать ML-систему и MLOps-процессы с нуля.

• Разрабатывать модели прогнозирования поведения игроков (LTV, будущие депозиты, GGR/NGR, финансовые риски).

• Работать с большими массивами данных и сложными запросами в ClickHouse.

• Проводить стохастические симуляции (Монте-Карло) для оценки сценариев.

• Упаковывать решения в быстрые API (FastAPI/Flask) и автоматизировать пайплайны (Airflow/Prefect, MLflow, Docker).

Наш идеальный кандидат:

• Имеет опыт в ML Engineering / Data Science от 3 лет и выводил модели в prod.

• Уверенно владеет Python, CatBoost, LightGBM, SQL (ClickHouse).

• Обладает глубокой мат. базой (теорвер, матстат, понимание законов распределения, работа с искаженными и fat-tailed данными).

• Понимает специфику iGaming/FinTech/E-com (метрики LTV, Churn, Retention) — будет огромным плюсом.

Условия и бенефиты:

• 26 рабочих дней отпуска + 26 дней оплачиваемых больничных.

• Дополнительные Corporate Holidays и Family Days.

• Курсы английского языка, частичная компенсация MultiSport и мед. страховки.

👋 Откликаться сюда: Откликнуться

Больше похожих вакансий + автоотклики с ИИ

Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Больше похожих вакансий + автоотклики с ИИ

Навыки

  • Python
  • CatBoost
  • LightGBM
  • SQL
  • ClickHouse
  • FastAPI
  • Flask
  • Airflow
  • Prefect
  • MLflow
  • Docker
  • Statistics
  • Probability Theory

Возможные вопросы на собеседовании

Вакансия предполагает создание ML-направления с нуля. Важно понимать, как кандидат будет выстраивать процессы.

Опишите ваш план действий по развертыванию MLOps-инфраструктуры на on-premise серверах в первые три месяца работы.

В описании указана работа с ClickHouse и большими данными.

С какими сложностями вы сталкивались при обучении моделей на данных из ClickHouse и как оптимизировали процесс выборки признаков?

Упоминается работа с искаженными и fat-tailed данными.

Какие подходы вы используете для моделирования LTV, если распределение целевой переменной имеет «тяжелый хвост»?

Для оценки сценариев требуются симуляции Монте-Карло.

Расскажите о практическом кейсе, где вы применяли метод Монте-Карло для оценки финансовых рисков или бизнес-сценариев.

Позиция Senior подразумевает ответственность за весь цикл разработки.

Как вы обеспечиваете мониторинг качества моделей в продакшене и какие метрики используете для отслеживания data drift?

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Похожие вакансии

T
Trafmasters
более 1000 офферов получено
4.9

1000+ офферов получено

Устали искать работу? Мы найдём её за вас

Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!