ML/DS ինժեներ (դասական ML)

Հեռավար ML/DS ինժեների պաշտոն Noveradev ընկերությունում՝ դասական ML մոդելների մշակում (գրադիենտ բուստինգ, լոգիստիկ ռեգրեսիա)՝ վարկային սքորինգի, հաճախորդների հեռացման կանխատեսման, ռիսկերի գնահատման և առաջարկությունների համակարգերի համար։

Մշակել և ներդնել դասական մեքենայական ուսուցման մոդելներ՝ գրադիենտ բուստինգ (LightGBM, XGBoost, CatBoost), լոգիստիկ ռեգրեսիա, պատահական անտառ, գծային մոդելներ։ Լուծել բիզնես խնդիրներ՝ վարկային սքորինգ, հաճախորդների հեռացման կանխատեսում, ռիսկերի գնահատում, առաջարկությունների համակարգեր՝ հիմնված համատեղ զտման վրա, ժամանակային շարքերի կանխատեսում։ Ֆիչերների ինժեներիա՝ ֆիչերների ստեղծում և ընտրություն, մեծ ծավալի կառուցվածքային տվյալների հետ աշխատանք (SQL, Spark, Pandas)։ Կառուցել ուսուցման և վավերացման խողովակաշարեր՝ մեկնաբանելիության պահանջները հաշվի առնելով (SHAP, LIME, Feature Importance)։ Մշակել A/B թեստավորման և թողարկումից հետո մոդելի մոնիտորինգի խողովակաշարեր (տվյալների դրեյֆտ, թիրախային փոփոխականի դրեյֆտ)։ Ինտեգրել մոդելները արտադրական միջավայր՝ API-ի միջոցով (FastAPI, Flask) և օրկեստրացիա (Docker, Kubernetes)։ Շփվել հաճախորդների հետ՝ պարզաբանել բիզնես չափիչները, ներկայացնել արդյունքները, գրել տեխնիկական փաստաթղթեր։

Առևտրային փորձ Data Science / ML ոլորտում։ Խորը գիտելիքներ Python և սթեքում՝ pandas, numpy, scikit-learn, և գրադիենտ բուստինգի շրջանակներից մեկը (LightGBM, XGBoost, CatBoost)։ Վստահ SQL՝ բարդ հարցումներ գրելը, մեծ տվյալների հետ աշխատանք (ClickHouse, PostgreSQL, Greenplum կամ նմանատիպ)։ Հասկանալ դասակարգման, ռեգրեսիայի, դասակարգման որակի չափիչները՝ precision/recall, ROC-AUC, lift, MAP, NDCG։ Փորձ ամբողջական ML խողովակաշարեր կառուցելու՝ տվյալների արդյունահանումից մինչև տեղակայում և մոնիտորինգ։ MLOps գործիքների իմացություն՝ MLflow, DVC, փորձ CI/CD-ի հետ ML նախագծերի համար։ Ցանկալի է՝ փորձ uplift մոդելավորման հետ (պատճառահետևանքային մոդելներ, Meta-learners, decision tree-ի վրա հիմնված uplift մոդելներ)؛ փորձ վարկային սքորինգում՝ սքորքարտերի կառուցում, աշխատանք վարկային բյուրոների հետ, կարգավորող պահանջներ մեկնաբանելիության համար; գործնական փորձ AI գործիքների հետ (Claude Code, OpenAI Codex, OpenCode) առևտրային ծրագրավորման մեջ՝ կոդի, թեստերի, վերանայումների, փաստաթղթերի համար՝ արդյունքների պարտադիր ստուգմամբ և գաղտնիության պահպանմամբ։