NoveraDev

ML / DS Engineer (Classic ML)

9 days ago

Details

Work format

Remote

A cover letter for this job

An email or a Telegram message to the recruiter

About the role

We are looking for an experienced ML/DS engineer to develop and implement classic machine learning models, solve business problems, and build ML pipelines. The vacancy is remote, company NoveraDev.

Company: NoveraDev

NoveraDev

Responsibilities

Development and implementation of classic machine learning models: gradient boosting (LightGBM, XGBoost, CatBoost), logistic regression, random forest, linear models
Solving business problems: credit scoring, churn prediction, risk assessment, recommendation systems based on collaborative filtering, time series forecasting
Feature engineering — creation and selection of features, working with large volumes of structured data (SQL, Spark, Pandas)
Building training and validation pipelines taking into account interpretability requirements (SHAP, LIME, Feature Importance)
Development of pipelines for A/B testing and post-release model monitoring (data drift, target variable drift)
Integration of models into the product environment via API (FastAPI, Flask) and orchestration (Docker, Kubernetes)
Interaction with the client: clarifying business metrics, presenting results, writing technical documentation

Requirements

Commercial development experience in Data Science / ML
Deep knowledge of Python and the stack: pandas, numpy, scikit-learn, as well as one of the gradient boosting frameworks (LightGBM, XGBoost, CatBoost)
Confident SQL skills — writing complex queries, working with large data (ClickHouse, PostgreSQL, Greenplum or similar)
Understanding of quality metrics for classification, regression, ranking: precision/recall, ROC-AUC, lift, MAP, NDCG
Experience in building end-to-end ML pipelines: from data extraction to deployment and monitoring
Knowledge of MLOps tools: MLflow, DVC, experience with CI/CD for ML projects
Experience with uplift modeling (methods for evaluating individual treatment effect: causal models, Meta-learners, tree-based models for uplift)
Experience in credit scoring — building scoring cards, working with credit bureaus, regulator requirements for interpretability
Experience in practical application of AI tools (Claude Code, OpenAI Codex, OpenCode and similar) in commercial development — for working with code, tests, reviews, and documentation — with mandatory result verification and confidentiality compliance

Benefits

Format: remote

Format

Remote

Мы ищем опытного ML/DS инженера для разработки и внедрения моделей классического машинного обучения, решения бизнес-задач и построения ML-пайплайнов. Вакансия удаленная, компания NoveraDev.

Компания: NoveraDev

Формат: remote

Формат

Удалённая

Работодатель

NoveraDev

Список обязанностей:

Разработка и внедрение моделей классического машинного обучения: градиентный бустинг (LightGBM, XGBoost, CatBoost), логистическая регрессия, случайный лес, линейные модели.
Решение бизнес-задач: кредитный скоринг, прогнозирование оттока, оценка рисков, рекомендательные системы на основе коллаборативной фильтрации, прогнозирование временных рядов.
Feature engineering — создание и отбор признаков, работа с большими объёмами структурированных данных (SQL, Spark, Pandas).
Построение пайплайнов обучения и валидации с учётом требований к интерпретируемости (SHAP, LIME, Feature Importance).
Разработка пайплайнов для A/B-тестирования и пост-релизного мониторинга моделей (дрейф данных, дрейф целевой переменной).
Интеграция моделей в продуктовую среду через API (FastAPI, Flask) и orchestration (Docker, Kubernetes).
Взаимодействие с заказчиком: уточнение бизнес-метрик, презентация результатов, написание технической документации.

Требования к кандидату:

Коммерческий опыт разработки в Data Science / ML.
Глубокое знание Python и стека: pandas, numpy, scikit-learn, а также одного из фреймворков для градиентного бустинга (LightGBM, XGBoost, CatBoost).
Уверенное владение SQL — написание сложных запросов, работа с большими данными (ClickHouse, PostgreSQL, Greenplum или аналоги).
Понимание метрик качества для классификации, регрессии, ранжирования: precision/recall, ROC-AUC, lift, MAP, NDCG.
Опыт построения end-to-end ML-пайплайнов: от выгрузки данных до деплоя и мониторинга.
Знание MLOps-инструментов: MLflow, DVC, опыт работы с CI/CD для ML-проектов.
Опыт с uplift-моделированием (методы оценки индивидуального эффекта воздействия: causal models, Meta-learners, модели на основе деревьев решений для uplift).
Опыт в кредитном скоринге — построение скоринговых карт, работа с бюро кредитных историй, требования регуляторов к интерпретируемости.
Опыт практического применения AI-инструментов (Claude Code, OpenAI Codex, OpenCode и аналоги) в коммерческой разработке — для работы с кодом, тестами, ревью и документацией — с обязательной проверкой результата и соблюдением конфиденциальности.