Senior ML Engineer (Client Solutions)

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

ML-инженер в AZX, который строит и внедряет ML-системы непосредственно в среде клиентов: от разбора и очистки данных до модели, работающей по расписанию внутри инфраструктуры заказчика. Роль предполагает широкий круг задач — data engineering, инфраструктура, немного frontend/backend — и работу с клиентами в области энергетики, коммунальных услуг и коммерческой недвижимости.

Задачи

• Вести полный цикл ML-поставки: разбор и очистка данных, моделирование, оценка, деплой в среду клиента, планирование запусков, мониторинг и политика переобучения
• Строить модели прогнозирования и детекции, устойчивые к проблемам качества реальных данных (задержки фидов, изменённые строки, отсутствующие метки)
• Проводить бэктестинг и оценку моделей так, чтобы на них можно было опираться в реальных операционных решениях, и обосновывать компромиссы precision/recall
• Проектировать системы, различающие «нет предсказания» и «неверное предсказание»
• Доставлять достаточный продукт, чтобы модель была применима: сервис на FastAPI, небольшой интерфейс на React, задача по расписанию
• Отвечать за измерение результата: согласовывать базовые линии и KPI до деплоя, настраивать мониторинг и предоставлять отчёт после внедрения с указанием ограничений атрибуции
• Поддерживать инженерное присутствие перед клиентом и обратную связь с платформенной командой: discovery, рабочие сессии с IT/data-командами клиента, демо, выявление особенностей данных и режимов отказа

Требования

• 5+ лет опыта вывода прикладного машинного обучения в продакшн — прогнозирование, детекция/классификация временных рядов, survival/reliability-моделирование или оптимизация
• Сильные навыки data engineering и готовность применять их самостоятельно: находить, чистить, объединять и профилировать данные без выделенной data-команды
• Строгая дисциплина валидации: хронологические разбиения, walk-forward validation, as-of корректность
• Достаточные навыки software engineering для поставки реальных систем: Python, SQL, тесты, Docker, планировщик, API или приложение, мониторинг
• Опыт работы с клиентами: проведение discovery, демо и аргументированное возражение при неверной постановке задачи
• Понимание, когда ML — неподходящий инструмент, и готовность сказать об этом клиенту
• Практическое владение стеком: Python 3.12+ (pandas/polars/DuckDB, scikit-learn, statsmodels, gradient boosting), SQL/Postgres (TimescaleDB/PostGIS), feature engineering и валидация временных рядов
• Опыт создания интерфейсов для использования модели — FastAPI и React/TypeScript, деплой через Docker и базовые облачные инструменты (Azure/AWS)
• Рабочее владение LLM для агентных задач (извлечение данных, retrieval)
• Степень бакалавра; магистерская степень — плюс
• Опыт в энергетике, коммунальных услугах, инфраструктуре или коммерческой недвижимости — плюс
• Право на работу в США на полной занятости

Условия

• Конкурентная компенсация ранней стадии стартапа (зависит от навыков, опыта и локации)
• Право на бонус
• Медицинская страховка со значительным покрытием для иждивенцев
• Гибкий оплачиваемый отпуск
• Опцион/equity
• Полностью удалённая культура с кластером коллег в Сиэтле
• Поездки 2 раза в год на саммиты компании
• Процесс интервью включает письменное тестовое задание и двухчасовую живую техническую сессию с инженерной командой

Навыки

• Python
• pandas
• polars
• DuckDB
• scikit-learn
• statsmodels
• gradient boosting
• SQL
• Postgres
• TimescaleDB
• PostGIS
• FastAPI
• React
• TypeScript
• Docker
• Azure
• AWS
• LLM
• time series
• machine learning