---
title: ML Engineer
url: https://evapps.ru/vacancy/ml-engineer/
description: Вакансия «ML Engineer» в ИТ компании EvApps. Доход: от 180 000 руб на руки. Откликнись прямо сейчас.
---

# ML Engineer

### Уровень дохода

- от 180 000 руб на руки

### Формат работы

- Офис
- Удаленно

### Опыт

- от 3 лет

### О компании

Мы — EvApps, IT-компания, создающая программные решения любой сложности: корпоративные порталы, облачные сервисы, мобильные приложения, информационные системы для бизнеса и государственных структур. 
Работаем с российскими и зарубежными заказчиками, с 2019 года развиваем IT-аутстаффинг. 
Награждены золотом Tagline Awards (2022) и занимаем лидирующие позиции в Рейтинге Рунета

### Что предстоит делать:

- Погружаться в продуктовые задачи в формате аутстафф: интеграция в команду клиента, участие в планировании, обсуждениях, проработке требований и архитектурных решений
- Анализировать бизнес-требования и формулировать ML-подход.
- Проектировать архитектуру ML-решений.
- Разрабатывать, обучать и оптимизировать модели (classic ML, DL).
- Проводить feature engineering, подбор метрик, валидации, A/B-эксперименты.
- Создавать ML-сервисы и микросервисы, интегрировать модели в продакшн.
- Настраивать мониторинг моделей, проводить итеративное улучшение.
- Работать с данными: подготовка, очистка, преобразование, структурирование.
- Взаимодействовать с командами разработки, аналитики, DevOps.
- Погружаться в современные LLM-инструменты и применять их в продуктах (по необходимости).

### Что нам важно:

### **Опыт и образование:**

- Опыт работы ML-инженером/Data Scientist от 3 лет.
- Подтвержденный опыт разработки и внедрения ML-моделей в продакшн (минимум 3-5 проектов, минимум 1 проект - с нуля до продакшен + мониторинг + совершенствование).
- Законченное высшее образование - IT, техническое или математическое.

### **Технические навыки:**

- Уверенное знание Python, умение писать чистый, поддерживаемый продакшн-код, в первую очередь- для ML-задач.
- Опыт создания и сопровождения ML-сервисов на современных фреймворках: FastAPI, Flask.
- Глубокое понимание алгоритмов машинного обучения (деревья решений, линейные модели, ансамбли, нейросети).
- Практический опыт решения задач классического ML: классификация, регрессия, кластеризация.
- Опыт работы с библиотеками: pandas, numpy, scikit-learn, plotly/matplotlib/seaborn, scipy.
- Опыт с градиентным бустингом: XGBoost, LightGBM, CatBoost.
- Опыт работы с DL-фреймворков: PyTorch, TensorFlow, Keras.
- Понимание feature engineering, метрик качества моделей и методов валидации.
- Знание SQL для работы с данными.

### **MLOps и разработка:**

- Опыт работы с Git в команде.
- Понимание микросервисной архитектуры и контейнеризации, базовые навыки Docker.
- Понимание работы REST/gRPC API.
- Навыки работы в Linux (командная строка, bash)
- Опыт работы с базами данных: PostgreSQL, MySQL.

### **Профессиональные качества:**

- Способность самостоятельно решать задачи с минимальным контролем
- Понимание бизнес-контекста и умение переводить бизнес-задачи в ML-формулировку.
- Системное мышление при проектировании решений.
- Портфолио с завершенными проектами.
- Готовность активно погружаться в быстро развивающийся стек LLM-технологий и применять их на проектах.

## Будет плюсом:

### **Широта экспертизы**

- Опыт работы в разных доменах: Computer Vision, NLP, Time Series, финтех, e-commerce и других.
- Опыт работы с разнообразными библиотеками и инструментами, решающими одни и те же задачи, понимание различий и плюсов/минусов.
- Опыт работы с неструктурированными, большими данными, разными форматами данных.

### **Работа с LLM и продвинутыми подходами**

- Навыки работы с большими языковыми моделями (Hugging Face, vLLM).
- Знание архитектурных паттернов для LLM.
- Опыт построения и оптимизации RAG-систем.
- Умение строить и донастраивать сложные взаимодействия с LLM: prompt engineering, prompt chaining, function calling и contextual memory.
- Навыки работы с векторными базами данных (подбор, оптимизация запросов, управление индексами).

### **MLOps и инфраструктура**

- Владение инструментами CI/CD и принципами MLOps для автоматизации. развертывания моделей: GitLab, GitHub.
- Tracking экспериментов: MLflow, Weights & Biases.
- Оркестрация пайплайнов: Airflow, Kubeflow.
- Опыт работы с аналитическими БД: ClickHouse, Greenplum.
- Опыт оптимизации моделей: ONNX, TensorRT, quantization.

## Что мы предлагаем

- Зарплата от 180 до 220 тыс на руки
- Работа в продуктивном аутстафф-формате: участие в реальных продуктовых командах заказчиков
- Оплачиваем тестовое задание при трудоустройстве - если тест отрабатывается на реальном кейсе проекта, мы компенсируем время кандидата после выхода в штат.
- Работа в устойчивой IT-компании и возможность профессионального роста.
- Участие во внутренних мероприятиях, корпоративной культуре и развитии компании.
- Формат: офис Тула или удалёнка с другого города
- Оформление по ТК РФ
- IT-ипотека по сниженной ставке, отсрочка от службы в армии
- График: 5/2, с 9:00 до 18:00, плавающий обед
- Компенсации и бонусы: 50% оплаты занятий английским; 50% оплаты спорта; софинансирование профессионального обучения; оплата парковки для офисных сотрудников.

## Отправить резюме

[Показать остальные вакансии](https://evapps.ru/vacancies/)