Senior ML Engineer

МІЙ БАНК — МОЯ ОПОРА.

Опора мільйонів українців, хто відтепер каже «МОЄ».

МОЇ ЛЮДИ. МОЯ СПРАВА. МОЯ СВОБОДА.

ОЩАДБАНК запрошує до команди Senior ML Engineer

Про роль

Шукаємо Senior ML Engineer у команду з 4 людей (Team Lead, Middle DS, Senior Data Engineer, Senior MLOps). Це hands-on IC роль: ви самостійно дизайните рішення, реалізуєте їх і захищаєте перед Team Lead та директором департаменту.

Команда випускає batch-прогнози для propensity-моделей (схильність клієнта до оформлення кредиту, картки, депозиту, преміум-картки тощо). Зараз — щомісячний цикл, ціль — перехід на щотижневий. У production працюють ансамблі з custom PyTorch моделей для табличних даних та tree-based моделей (XGBoost, LightGBM, Random Forest). Наступний етап — LLM-задачі: автоматизація credit memo та внутрішній QA-бот по документації.

Інфраструктура гібридна: дані готуються on-prem (Oracle DB → ClickHouse, feature store на Feast), обчислення — у хмарі. Оркестрація через Airflow, CI/CD — GitLab CI. Валідація моделей (model risk management) — окрема команда, але ви маєте готувати моделі та документацію до їх стандартів.

Ключові задачі:

Моделювання (≈50% часу)

• Розробка та оптимізація propensity-моделей: архітектура PyTorch-моделей для табличних даних (embeddings, custom losses, ensembling strategies), тюнінг tree-based моделей, побудова та калібрування ансамблів
• Гіперпараметричний пошук (Optuna), відтворювані експерименти (MLflow, DVC)
• Підготовка моделей до LLM-задач: fine-tuning, RAG-пайплайни, prompt engineering для credit memo та internal QA

Feature engineering та дані (≈20% часу)

• Проектування та оптимізація feature pipelines: Oracle DB → ClickHouse → Feast → модель
• Робота з великими табличними датасетами: feature selection, temporal feature engineering, обробка категоріальних ознак високої кардинальності
• Співпраця з Data Engineer над якістю та доступністю даних

Production readiness (≈20% часу)

• Докеризація моделей, підготовка inference-пайплайнів для batch-прогнозів
• Оптимізація throughput для переходу з місячного на тижневий цикл (profiling, оптимізація I/O, паралелізація)
• Інтеграція з Airflow DAGs для scheduling тренувань та inference
• Підготовка артефактів для model validation команди: метрики, backtesting, документація стабільності

Процеси та комунікація (≈10% часу)

• Захист технічних рішень перед Team Lead та директором департаменту
• Code review, технічна документація
• Пояснення результатів моделей бізнес- та ризик-стейкхолдерам (feature importance, SHAP)

Обов’язкові навички:

ML / DL — практичний рівень

• 4+ роки досвіду в ML, з них 2+ роки з моделями в production
• PyTorch: custom архітектури для табличних даних (embeddings для категоріальних фічей, numerical encodings, custom loss functions)
• XGBoost / LightGBM / CatBoost: досвід тюнінгу та production-використання
• Ensemble methods: stacking, blending, calibration стратегії
• Feature engineering для high-dimensional табличних даних, робота з temporal features
• Hyperparameter optimization (Optuna)
• Explainability: SHAP, feature importance — для комунікації з бізнесом та model validation

LLM / NLP — базовий+ рівень

• Практичний досвід з LLM: fine-tuning або RAG-пайплайни
• Розуміння архітектур (Transformer, attention), prompt engineering
• Досвід з фреймворками: LangChain / LlamaIndex / vLLM або аналоги

Дані та інфраструктура

• SQL на рівні складних аналітичних запитів (Oracle, PostgreSQL або аналоги)
• Досвід з колонковими СУБД (ClickHouse або аналоги)
• Розуміння feature store концепції (Feast — плюс)
• Docker: створення та оптимізація образів для ML-сервісів

Software Engineering

• Python 3.10+ (strong): типізація, модульна архітектура, чистий код
• Git, code review, тести (pytest)
• Досвід роботи з Airflow або аналогічним оркестратором
• Experiment tracking та model versioning (MLflow, DVC, W&B)

Буде плюсом:

• Досвід у банківській сфері або фінансових сервісах (propensity, credit scoring, churn)
• ONNX / TorchScript для оптимізації inference
• Distributed training (PyTorch DDP)
• Досвід з drift detection та automated retraining pipelines
• Робота з PII: анонімізація, маскування даних

Ми гарантуємо:

умови для професійного та кар’єрного зростання кожного співробітника;

офіційне працевлаштування із дотриманням всіх соціальних гарантій згідно КЗпП (оплачувані лікарняні, відпустку від 29 календарних днів на рік);

безкоштовне медичне страхування для всіх працівників.

Надсилайте Ваше резюме — станьте частиною команди ОЩАДУ!