Machine Learning Engineer

Требования:

• Ключевые требования (Must‑haves):
  Отличные коммуникативные навыки на английском языке (кандидаты без знания английского не рассматриваются).
  Высшее образование (бакалавр или магистр) в области компьютерных наук или смежной специальности.
  Опыт работы от 4+ лет в роли: Software Engineer, Platform Engineer, ML Engineer, Data Scientist, AI Engineer или Data Engineer.
  Глубокие знания Python.
  Понимание алгоритмов машинного обучения и методов предобработки данных.
  Знание ML‑фреймворков: PyTorch, TensorFlow или Keras.
  Опыт работы с контейнерами и Kubernetes в облачных средах (AWS, MS Azure или GCP).
  Знакомство с фреймворками оркестрации рабочих процессов для данных, такими как KubeFlow, Airflow или Argo.
  Понимание принципов тестирования ПО, бенчмаркинга и непрерывной интеграции.
  Умение переводить бизнес‑требования в технические задачи.
  Гибкость в работе с разными языками программирования и адаптация под требования проекта.
  Отличные коммуникативные навыки и навыки решения проблем, включая способность разбивать сложные задачи на составляющие и находить решения.
  Самостоятельность и адаптивность, умение эффективно работать в быстро меняющейся динамичной среде.
  
  Будет плюсом (Nice‑to‑haves):
  Знакомство с фреймворками для построения агентов, такими как LangChain, LangGraph или LlamaIndex.
  Знакомство с разработкой систем на основе генерации с дополненным поиском (Retrieval‑Augmented Generation, RAG).
  Опыт работы в области обработки естественного языка (Natural Language Processing, NLP).
  Знакомство с инструментами мониторинга, например DataDog или Langfuse.
  Сертификация облачного провайдера на уровне Associate (предпочтительно AWS)
• Обязанности:
  Проектирование масштабируемых пайплайнов данных и инфраструктуры для корпоративных систем машинного обучения.
  Внедрение моделей машинного обучения и систем на их основе в промышленную эксплуатацию.
  Тесное взаимодействие с дата-сайентистами и инженерами-программистами.
  Развёртывание масштабируемых сервисов и инструментов для обучения (training) и инференса (inference) ML‑моделей.
  Оценка новых технологий для повышения производительности и надёжности ML‑систем.
  Применение лучших практик программной инженерии и принципов CI/CD к разработке в области ML.
  Участие в разработке и развёртывании прототипов (proof‑of‑concept) на базе машинного обучения.
  Рецензирование, рефакторинг, оптимизация, контейнеризация, развёртывание, версионирование и мониторинг ML‑моделей.
  Внедрение систем мониторинга и оповещения для обеспечения надёжности и производительности ML‑решений.
  Оптимизация и автоматизация процессов развёртывания ML‑моделей для повышения эффективности и воспроизводимости.
  Совместная работа с кросс‑функциональными командами по устранению проблем, связанных с развёртыванием ML‑систем.
  Отслеживание отраслевых тенденций и внедрение релевантных инноваций.
  Продвижение лучших индустриальных практик и обмен знаниями внутри команды.

Условия:

• Полностью удаленный (дистанционный формат работы).
• Полная занятость.
• График 5/2.
• Заработная плата: рассматриваем Вашу.
• Официальное трудоустройство в компанию-резидента ИТ-парка.
• Нет привязки к региону: рассматриваем все регионы Узбекистана (в фильтре можно выбрать только один, поэтому в местоположении указан только Ташкент).