компания "лига ставок" тебе предстоит разработка ml моделей и пайплайнов для прогнозных и рекомендательных систем работа с табличными данными, формирование запросов к бд ms sql для получения необходимых выборок тюнинг, оптимизация моделей участие в проектирование архитектуры ml решений прототипирование и доведение своих решений до продакшн поддержка и актуализация технической документации что мы ожидаем от тебя знание основных алгоритмов и метрик машинного обучения, умение создать собственные метрики под задачи знание математической статистики и теории вероятности опыт программирования на python, стек pandas, numpy, sklearn, xgboost/catboost/pytorch/tensorflow от 2 лет понимание и опыт работы с a/b-экспериментами, проверка гипотез опыт работы с большими объемами данных знание sql, уверенное использование join, группировки, сложные запросы работа у нас — это отсутствие бессмысленного формализма и дресс-кода на большинстве позиций работа полностью удаленная. при желании ты можешь приезжать в офис в центре москвы (1 мин от м. белорусской) и работать в нашем коворкинге гибкое утро забота о здоровье сотрудников: дмс со стоматологией, страхование жизни, страхование в поездках за рубеж, врач в офисе, льготное страхование членов семьи кастомизированные внутренние и внешние обучения для прокачки навыков и развития hard & soft skills участие в профессиональных конференциях, митапах, марафонах и хакатонах социальное развитие и самовыражение — мы поддерживаем подопечных двух благотворительных фондов корпоративный спорт — мы играем в баскетбол и женский футбол, а еще участвуем в забегах как мы строим работу у нас огромный бэклог, современный стек технологий и прекрасные возможности для самореализации и профессионального развития все знания и решения и фиксируем в confluence, а спринты ведем в jira мы строим свою гибкую современную платформу, поэтому msa / soa / evoarch архитектура для нас не пустой набор слов мы ценим автоматизацию, поэтому строим всеобъемлющий, но гибкий ci/cd на базе gitlab мы не любим ошибки на проде, поэтому у нас есть code review и выделенная qa команда мы используем весь перечень инструментов для продуктивности, чтобы думать о новых фичах, а не об оптимальности процессов для масштабирования наших сервисов и отказоустойчивости мы строим инфраструктуру на базе контейнеризации docker, kubernetes, rancher для стриминга логов мы применяем elk, а для сбора метрик prometheus
Адрес
Москва