Наша миссия и клиенты: Мы создаем условия для успеха малого и среднего бизнеса, предоставляя ведущее в Европе финансовое рабочее пространство с банковскими услугами в основе, дополненное финансовыми инструментами. Мы гордимся тем, что получили рейтинг 4.8 на Trustpilot , основанный на более чем 55 000 отзывов. Наша культура ставит удовлетворенность клиентов в центр всего, что мы делаем, что подтверждается нашим индексом NPS (Net Promoter Score) — 75. Наш путь: Основанная в 2017 году Александром и Стивом , Qonto выросла до более чем 1600 сотрудников (Qontoers), обслуживающих более 600 000 клиентов в 8 европейских странах. Мы прибыльны с 2023 года, и это только начало.

Наши убеждения: Мы нанимаем по навыкам и потенциалу. С более чем 80 национальностями, 45% женщин, из которых 56% женщин в нашей руководящей команде, разнообразие — это не программа; это то, кто мы есть. Мы построили процесс найма, свободный от дискриминации, потому что лучшие команды строятся на заслугах.

ИИ в Qonto: ИИ глубоко интегрирован в нашу работу — каждый сотрудник Qonto получает неограниченный доступ к лучшим инструментам ИИ. Мы ищем людей, которые экспериментируют, не дожидаясь разрешения, расширяют возможности ИИ за пределы очевидного, знают, когда ему доверять, а когда подвергать сомнению.

Присоединяйтесь к нам в качестве Staff Machine Learning Engineer в нашей команде AI Product, чтобы создавать и внедрять ИИ, ориентированный на клиентов, для более чем 600 000 бизнес-клиентов. Вы будете сочетать генеративный ИИ с проверенными методами машинного обучения для создания продуктов с измеримым эффектом — принятие, ускорение выполнения задач, удовлетворенность пользователей — при обеспечении надежности, конфиденциальности и непрерывного мониторинга в производственной среде.

➡️ Что вы будете делать

• Разрабатывать ML-модели end-to-end: от понимания требований к продукту до обучения, оценки и развертывания моделей в производственной среде. Вы проектируете, итерируете и внедряете, а не просто прототипируете.
• Интегрировать ML в экосистему продукта: Взаимодействовать с менеджерами по продукту, инженерами данных и бэкенд-инженерами, чтобы обеспечить бесшовную интеграцию ваших моделей в финансовые услуги Qonto.
• Создать ML Ops framework: Создать инфраструктуру для масштабирования команды — обнаружение дрейфа моделей, отслеживание производительности, конвейеры автоматического переобучения, мониторинг и оповещения.
• Внедрять модели в производственную среду с rigor: Надежная техническая реализация, контроль качества и непрерывный мониторинг. Клиентский ИИ в финансовых услугах не терпит молчаливых сбоев.
• Повышать планку для команды: Делиться лучшими практиками, вносить вклад в улучшение внутренних инструментов и наставлять коллег в команде ML.

➡️ Что мы ищем

• 6+ лет опыта работы ML Engineer с опытом ML Ops: Вы разрабатывали и внедряли клиентские ML-продукты end-to-end — а не внутренние инструменты или дашборды. Вы можете продемонстрировать измеримое воздействие на реальных пользователей.
• Экспертиза в моделировании: Опыт разработки и оптимизации моделей машинного обучения для внешних клиентов. Вы знаете, когда использовать GenAI, а когда проверенные методы ML являются лучшим выбором.
• Сильные навыки Python-инженерии: Вы пишете устойчивый, тестируемый код в масштабе. Владеете FastAPI (или аналогичным), интеграцией сторонних сервисов и взаимодействием с базами данных в производственной среде.
• Свободное владение ML Ops: Знакомство с инструментами, автоматизирующими переобучение моделей, проверку производительности и обнаружение дрейфа. Вы ранее создавали или значительно улучшали ML-инфраструктуру.
• Свободное владение английским языком: Рабочий язык Qonto.

➡️ Что мы можем вам предложить

• Клиентский ИИ с реальным влиянием: Ваши модели будут напрямую использоваться сотнями тысяч бизнес-клиентов. Вы увидите метрики принятия, а не только оффлайн-оценки.
• Современный, гибкий стек: Python, Snowflake, Kafka, Kibana, PostgreSQL, Airflow, AWS, Prometheus, ArgoCD, GitHub, Cursor. У вас есть свобода тестировать любой инструмент, если он помогает достичь цели.
• Команда, создающая ИИ в основе финтеха: 10 инженеров по ИИ и 3 специалиста по Data Ops работают над инновационными решениями в центре финансовых услуг Qonto — это не побочный проект.
• Четкий путь роста IC: Карьерный путь для индивидуальных контрибьюторов, которые хотят стать глубокими экспертами в своей области, с доступом к новейшим технологиям ИИ.

➡️ Ваш будущий руководитель Вариант A Ваш руководитель — Марианна Борзик Дюкурну, Руководитель отдела продуктовых данных (Head of Data Products).

• Ее опыт? Выпускница École Polytechnique, Марианна руководила командами Data Science в Uber и Amazon в Сан-Франциско, прежде чем присоединиться к Qonto четыре года назад, чтобы с нуля создать нашу команду Data Science.
• Что она привнесет в команду? Редкое сочетание прикладной экспертизы в ML и понимания бизнес-контекста в сфере финансов.

Вариант B Ваш руководитель — Бенджамин Вольтер, Руководитель отдела ИИ-продуктов (Head of AI Products).

• Его опыт? Получив докторскую степень по физике и возглавляя команды ML Engineering и Data Science в сферах логистики последней мили и цифрового маркетинга, Бенджамин присоединился к Qonto, чтобы возглавить нашу команду AI Products.
• Что он привнесет в команду? Глубокую техническую экспертизу в ML, практический опыт создания масштабируемых ML-систем и стиль управления, построенный на основе ответственности и автономии.