Технологии/инструменты
- Kubernetes
- CI/CD
- Docker
- Python
- llm
Сейчас мы помогаем нашему клиенту — крупной технологической компании — развивать финтех-направление.
Команда строит полноценную финансовую экосистему вокруг платежных и кредитных продуктов.
Сам финтех-юнит относительно молодой — ему около 3 лет, поэтому архитектура системы изначально строилась с учётом масштабирования и современных подходов.
- Практически нет legacy-кода.
- Используются актуальные технологии и стек.
- Команды могут быстро принимать архитектурные решения.
- Процессы остаются достаточно гибкими и не перегруженными бюрократией.
За последние несколько лет команда запустила ряд финансовых продуктов, связанных с платежами, рассрочкой, кредитованием и финансовыми сервисами для пользователей.
Какие продукты развиваются
Финтех-направление охватывает несколько сегментов:
B2C-продукты
- Платежные сервисы.
- Кредитные и дебетовые продукты.
- Сервисы рассрочки.
- Персонализированные финансовые предложения.
B2B-продукты
- Скоринг корпоративных клиентов.
- Финансовые сервисы для бизнеса.
- Партнерские финансовые API.
При этом практически во всех продуктах ключевую роль играет машинное обучение, потому что решения напрямую влияют на:
- Кредитный риск.
- Конверсию пользователей.
- Доходность финансовых продуктов.
- Персонализацию предложений.
Команды могут работать либо над конкретным продуктом, либо над платформенными задачами финтеха. То есть команда не просто обслуживает модели, а строит интеллектуальные системы принятия решений, которые напрямую влияют на бизнес.
Чем предстоит заниматься
Это позиция ML Engineer / MLOps-инженера, поэтому основной фокус не только на обучении моделей, но и на инфраструктуре их работы.
Основные задачи
- Развитие и поддержка ML-платформы.
- Создание инструментов для Data Scientist.
- Автоматизация пайплайнов обучения и деплоя моделей.
- Обеспечение стабильной работы моделей в production.
- Настройка мониторинга и алертинга.
- Развитие инфраструктуры для работы с ML.
Сейчас также активно развивается направление LLM-решений, где планируется создание и внедрение языковых моделей в реальные продукты.
Главная цель команды — построить процессы, которые позволяют быстро, стабильно и масштабируемо выводить ML-решения в продакшн.
Что ожидается от кандидата
- Опыт разработки на Python.
- Опыт разработки backend-сервисов.
- Понимание жизненного цикла ML-моделей.
- Опыт вывода моделей в продакшн.
- Работа с мониторингом и логированием.
Будет плюсом:
- Docker / Kubernetes.
- CI/CD пайплайны.
- Инструменты управления экспериментами и моделями.
- Работа с большими данными.
- Опыт разработки ML-платформы или ML-инфраструктуры.
Условия
Формат работы — гибрид (Москва или Санкт-Петербург).
Бенефиты
- ДМС со стоматологией.
- Психологическая поддержка.
- Корпоративный спорт.
- Помощь с покупкой жилья.
- Компенсация транспорта и питания.
- Скидки от партнёров.
