Confirmed on the employer's own hiring board on Nov 20, 2026. First seen by Alion on Nov 20, 2026.
ГК «Юзтех» - группа аккредитованных ИТ-компаний полного цикла разработки с многолетней экспертизой в передовых технологиях: DWH, Big Data, AI/ML, Blockchain, BI, предиктивной аналитике и цифровых двойниках.
Мы реализуем технологические проекты для крупнейших российских компаний, среди которых Альфа-Банк, Сбер, ВТБ, X5 Group, Газпромнефть, НЛМК, 2ГИС, Лемана ПРО и другие. Также развиваем собственные ИТ-продукты и решения.
Приглашаем ML Engineer / Data Scientist присоединиться к команде качества данных крупного банковского проекта!
Команда занимается разработкой интеллектуальных механизмов контроля качества данных на всех этапах их обработки - от источников и аналитических витрин до результатов работы ML-моделей.
Задачи:
-
Исследовать данные и разрабатывать ML-и статистические методы контроля их качества.
-
Выявлять аномалии, Data Drift, нарушения сезонности и нетипичные изменения метрик.
-
Разрабатывать DQ-контроли полноты, актуальности и корректности данных.
-
Подбирать оптимальные методы решения задач: от SQL-проверок и статистики до ML-моделей.
-
Валидировать решения на исторических данных, включая синтетические аномалии, shadow mode и анализ ложных срабатываний.
-
Внедрять и сопровождать решения в production (Airflow, PySpark, Hadoop/Hive), настраивать мониторинг и алертинг.
Мы ожидаем:
-
Коммерческий опыт в Machine Learning / Data Science от 3 лет.
-
Уверенное владение Python (pandas, NumPy, scikit-learn) и SQL.
-
Практический опыт работы с Apache Airflow, PySpark, Hadoop/Hive и MLflow.
-
Сильная база в математической статистике и классическом машинном обучении: линейные модели, деревья решений, градиентный бустинг.
-
Опыт применения методов обнаружения аномалий и/или дрейфа данных.
-
Опыт работы с временными рядами, анализа сезонности и выявления отклонений.
-
Опыт внедрения ML-моделей в production, их мониторинга, сопровождения и версионирования.
-
Понимание принципов построения воспроизводимых ML-пайплайнов.
-
Умение оценивать целесообразность применения ML и выбирать подходящий метод без избыточного усложнения решения.
Будет преимуществом:
-
Опыт разработки DQ-фреймворков, систем мониторинга качества данных или ML-моделей в production.
-
Практический опыт мониторинга признаков и скорингов моделей, включая feature drift, score drift и delayed labels.
-
Знакомство с Kafka, Flink или Spark Structured Streaming.
-
Опыт работы с банковскими, финансовыми или транзакционными данными.
-
Применение методов интерпретации моделей: SHAP, permutation importance, анализ причин срабатывания контролей.
-
Опыт построения алертинга и операционных дашбордов.
-
Опыт применения AI-агентов для анализа данных и автоматизации процессов.
Мы предлагаем:
- Карьерную и профессиональную возможность в стабильной, аккредитованной ИТ-компании
-
Удаленный формат работы
- Расширенный полис ДМС со стоматологией, корпоративный психолог
- Необходимую технику для комфортной работы
- Обучение, сертификацию, Usetech English Club - онлайн изучение английского
- Доступ к Корпоративной библиотеке и к Корпоративному университету
- Внутрикорпоративные профильные коммьюнити
- Заботу о детях сотрудников: корпоративные скидки, подарки, детские дни
- Геймифицированную программу лояльности: поверь, ты будешь восторге от нашего корпоративного магазина!
- Корпоративную жизнь: мы много работаем и классно отдыхаем.

