Lead MLE

Привет!

Fortis - это финтех-компания, использующая современные подходы к ведению бизнеса. Мы предлагаем эффективные IT-решения, которые помогают нашим партнерам работать с платежами, клиентами и автоматизировать бизнес.

Fortis в цифрах:

• 4млрд транзакций ежегодно;
• 10млн покупателей;
• 1000+ мёрчантов в ОАЭ;
• 70+ человек в команде.

Чем будем заниматься:

1. Проектировать и разрабатывать архитектуры ML-систем компании с нуля, включая выбор технологического стека и подходов к решению задач.

2. Формировать и управлять технической ML-командой, заниматься наставничеством и развитием инженеров, проведением Code Review и формированием инженерной культуры.

3. Разрабатывать и внедрять AI-ассистентов и агентов, включая RAG-пайплайны, оценку качества и итеративное улучшение продукта.

4. Интегрировать модели классического ML (рекомендации, скоринг, апсейл) в существующие и новые продукты компании.

5. Проектировать и внедрять базовые MLOps-практик (трекинг экспериментов, версионирование, деплой моделей) в тесном взаимодействии с DevOps-командой.

7. Анализировать и управлять техническими рисками в ML-проектах, оценивать сроки и ресурсы, необходимые для реализации.

8. Формулировать требования к данным, ставить задачи для Data Engineering и участвовать в проектировании DWH и витрин данных.

9. Взаимодействовать с бизнес-стейкхолдерами (Product, Sales, Support) для выявления и реализации ML-возможностей для оптимизации внутренних процессов.

10. Исследовать новые технологии и подходы в ML/AI и адаптировать их для решения задач компании.

Какие навыки и опыт точно пригодятся:

1. Опыт проектирования и запуска ML-систем в production с нуля, включая выбор архитектуры и технологий.
2. Уверенное владение Python и ключевыми библиотеками для ML (Scikit-learn, Pandas, NumPy, XGBoost/LightGBM).
3. Опыт работы с современными LLM и RAG-фреймворками (например, LangChain, LlamaIndex, векторные базы данных).
4. Практический опыт решения задач классического ML (классификация, регрессия, ранжирование, рекомендации).
5. Понимание принципов MLOps и опыт вывода моделей в production (API, Docker, CI/CD), даже в условиях ограниченной инфраструктуры.
6. Умение ставить задачи смежным командам (разработка, Data Engineering).
7. Опыт технического лидерства или менторства инженеров.

Будет плюсом:

 • Опыт работы с облачными платформами (AWS).

 • Опыт построения базовых MLOps-пайплайнов (трекинг экспериментов, model registry).

 • Знание технологий обработки данных (SQL, Spark).

 • Участие в формировании ML-команды или проведении технических собеседований.

• Опыт работы в финтехе или с транзакционными данными.

Что предлагаем:

• Удалённый формат работы;
• Оплачиваемые командировки, чтобы быть в более тесной связи с командой;
• Бонусы по итогам perfomance review;
• Дей-оффы;
• Корпоративную культуру с открытыми коммуникациями, корпоративами, тимбилдингами;
• Поддержку обучения и развития компетенций;
• Скидки на партнёрские программы: доставки еды, кафе и рестораны, спорт и др.