ML Engineer (прогнозирование спроса)

ML Engineer (прогнозирование спроса)

Обязанности:

Полный цикл разработки ML-проекта:

• Сбор требований, предпроектное обследование, анализ данных, построение и валидация моделей, вывод моделей в прошленную эксплуатацию.
• Разработка моделей прогнозирования спроса на основе классических алгоритмов машинного обучения (градиентный бустинг, линейные модели, случайный лес и т.д.).
• Поддержка внутренних инструментов на базе классического машинного обучения.
• Оптимизация моделей по качеству и скорости расчёта.
• Разработка пайплайнов обработки данных (pandas, numpy, scikit-learn, feature engineering).
• Вывод модели в промышленную эксплуатацию: контейнеризация (Docker), создание API (FastAPI/Flask), настройка CI/CD.
• Мониторинг качества прогнозов в production, автоматическая переобучение при необходимости.
• Документирование решения, презентация результатов бизнес-заказчику.

Требования:

• Python — уверенное владение, опыт написания production-кода (pytest, typing).
• Классический ML: scikit-learn, XGBoost / LightGBM / CatBoost, знание методов работы с временными рядами.
• Опыт разработки моделей прогнозирования спроса или аналогичных задач.
• Умение работать с большими объёмами данных (pandas, numpy, оптимизация памяти и времени расчета).
• Опыт контейнеризации (Docker) и развёртывания ML-сервисов (CI/CD, Linux).
• Понимание жизненного цикла ML-проекта — от гипотезы до эксплуатации.

Технический стек:

• Язык программирования: Python (3.11+)
• Библиотеки для работы с данными и feature engineering: pandas, numpy, polars(плюс)
• Классический ML: scikit-learn, XGBoost, LightGBM, CatBoost
• Разработка и тестирование: pytest, typing, git
• Контейнеризация и оркестрация: Docker, docker-compose
• CI/CD: GitLab CI / GitHub Actions (настроить пайплайны для тестирования, сборки и деплоя)
• API и сервисный слой: FastAPI / Flask
• Базы данных: SQL - базовые знания (PostgreSQL), ClickHouse(плюс)
• Временные ряды (плюс): statsmodels, prophet
• Мониторинг и логирование(плюс): Prometheus + Grafana (базово), ELK / Loki
• Дополнительно (плюс): Apache Spark / Dask (для масштабирования), MLflow (для отслеживания экспериментов)
• Отдельный плюс в карму - опыт работы в роли Demand planning manager