Собрать ML-направление с чистого листа: от первой модели до команды, которая её содержит.
Что делать
- Собрать команду и выстроить процесс: от гипотезы до модели в проде
- Определить роадмап: антифрод на оплатах, аномалии в трафике, автоподбор узла для пользователя
- Отвечать за метрики направления перед владельцем, а не за количество экспериментов
- Выбрать инфраструктуру обучения и выката и не дать ей превратиться в зоопарк
Что ждём
- Опыт руководства ML-командой от двух лет и собственный сильный инженерный бэкграунд
- Продовые ML-системы, которые вы довели до эксплуатации, а не остановили на ноутбуке
- Python и классический стек (scikit-learn, XGBoost/LightGBM), понимание метрик бинарной классификации
- Умение объяснить бизнесу, почему модель ошибается, и что это стоит в деньгах
Будет плюсом
- Антифрод или скоринг платежей
- Потоковые данные: Kafka, оконные агрегации, real-time инференс
- MLOps: Docker, Kubernetes, Airflow, MLflow
- Опыт найма и наставничества