На проект телекоммуникационной компании требуется Middle+ / Senior Backend/MLOps-разработчик с уверенными знаниями и опытом работы в Data Software Engineering с MLOps Python.

Задачи:

·   Разработка и поддержка продакшн-сервисов для интеграции ML-моделей с системой внутреннего документооборота.

·   Развёртывание, конфигурация и мониторинг ML-инференс-сервисов (VLLM, MLServer, Triton).

·   Построение и автоматизация CI/CD пайплайнов для ML и backend-компонентов.

·   Оптимизация производительности и масштабируемости сервисов.

·   Интеграция ML-решений с корпоративной инфраструктурой (API, DWH, внутренние сервисы).

Требования

·   Уверенное владение Python (FastAPI/Flask, asyncio).

·   Опыт работы с контейнеризацией и оркестраторами (Docker, Kubernetes).

·   Знание принципов построения отказоустойчивых и масштабируемых сервисов.

·   Опыт работы с ML-инференсом в продакшне (оптимизация, профилирование, деплой).

·   Навыки интеграции с внешними и внутренними API, работы с базами данных (PostgreSQL, Redis).

·   Опыт построения CI/CD пайплайнов (GitLab CI, Jenkins, ArgoCD).

Условия:

· Локация РФ, часовой пояс МСК.

· Загрузка на полный рабочий день.

· Сроки работы 3-4 месяца.

На проект телекоммуникационной компании требуется Middle+ / Senior ML-разработчик с уверенными знаниями и опытом работы с ML/LLM/CV.

Задачи:

·   Проведение fine-tuning LLM под продуктовые задачи.

·   Разработка и внедрение решений в области Computer Vision.

·   Сбор, дизайн и поддержка датасетов: от работы с DWH и авторазметкой до очистки данных.

·   Настройка и оптимизация инференса.

·   Участие в проектировании архитектуры ML-сервисов и интеграции в продакшн

Требования:

·   Опыт работы с LLM и их дообучением (LoRA, SFT/DPO).

·   Опыт построения RAG систем.

·   Практический опыт в Computer Vision (OpenCV, PyTorch, TensorFlow).

·   Навыки проектирования и поддержки пайплайнов подготовки данных.

·   Знание инструментов авторазметки, подходов к очистке и балансировке датасетов.

·   Опыт развёртывания и оптимизации инференса в высоконагруженной среде.

·   Уверенное владение Python, опыт работы с Docker/Kubernetes.

Условия:

·   Локация РФ, часовой пояс МСК.

·   Загрузка на полный рабочий день.

·   Сроки работы 3-4 месяца.

Описание задачи:

В рамках проекта планируется разработка трёх моделей машинного обучения для телеком-оператора:

• Модель оттока (churn prediction) — по трём временным горизонта
• Модель Next Best Offer (NBO) — персонализированные рекомендации тарифов и услуг
• Модель чувствительности к изменению тарифа — прогноз реакции абонента на изменение условий, по двум горизонтам

Тип моделей: классический ML, табличные данные, задача бинарной классификации.

Особенности проекта:

• Расчет фичей для моделей настроен непрерывным пайплайном с ежедневной актуализацией
• Объём данных — ~5Гб (формат parquet), ~15 миллионов строк
• Распределённые вычисления на кластере Hadoop/Spark
• Модели предполагается встроить в текущий пайплайн, добавить регистрацию в MLflow, настроить периодическую актуализацию

Требования:

Фокус: разработка моделей, дополнительный фичеинжениринг, тюнинг, тестирование, оформление документации

Стек: pyspark, python, pandas, scikit-learn, CatBoost

Критичные компетенции:

• Работа с табличными данными и классическим ML (CatBoost, sklearn)
• Знание метрик качества, балансировка классов
• Опыт работы с моделями оттока, NBO или похожими задачами
• Фичеинжениринг (корреляции, отбор, агрегации)
• Умение формализовать гипотезы и оценивать их

Будет плюсом (можно не брать в расчет:

• MLflow (настройка и регистрация моделей)
• Интеграция моделей в пайплайн (Hadoop/Spark)
• Оптимизация ресурсов
• SparkML (распределенные вычисления)