Про клієнта

Компанія бере участь у розробці просунутого маркетингового рішення, призначеного для створення, тестування та проведення email та SMS кампаній. Додаток використовується великою кількістю відомих клієнтів, включаючи SASCargo, Toyota Material Handling та інших.

Про проект

Додаток клієнта є потужною платформою автоматизації Email маркетингу, яка дозволяє створювати, тестувати та проводити маркетингові кампанії електронною поштою та SMS повідомленнями на основі правил. Ці кампанії можуть ґрунтуватися на складних правилах і перевірятися за допомогою двох або більше різних користувацьких електронних адрес. Користувач може створити спеціальний електронний лист на основі одного з кількох готових шаблонів або створити спеціальний шаблон за допомогою функції редактора шаблонів платформи. Крім того, вони можуть проілюструвати створені листи зображеннями зі сховища зображень програми.

Про команду

Команда складається з Senior Data Scientist iнженера, 3х бекенд Laravel розробників, 4х фронтенд Angular розробників, DevOps інженера, 2х email темплейт розробників, інженера з контролю якості та проєктного менеджера.

Обов'язки

• Розробка та вдосконалення ML/LLM моделей (NLP, embedding-based search, decision pipelines).
• Побудова та валідація агентних сценаріїв (tool use, reasoning, self-evaluation).
• Аналіз великих датасетів у Databricks (SparkSQL, Delta Lake).
• Проєктування систем логування, трекінгу експериментів (MLflow, Weights & Biases).
• Інтеграція моделей з багатокомпонентним середовищем (API, orchestration framework, vector DB).
• Оптимізація inference-процесів і моніторинг якості системи в продакшні.
• Проведення A/B експериментів та статистичний аналіз результатів.
• Документування процесів, участь у архітектурних дискусіях.

Вимоги

• 2–4 роки досвіду як Data Scientist / ML Engineer.
• Впевнене володіння Python, PySpark, SQL.
• Досвід розробки й деплойменту ML моделей у хмарних середовищах (Databricks, AWS, GCP).
• Гарне знання ML та NLP бібліотек (Scikit-learn, Transformers, LangChain, llama-index).
• Розуміння архітектури LLM-систем, RAG pipelines, embeddings.
• Знання MLOps інструментів: MLflow, Docker, CI/CD.
• Сильне аналітичне мислення, увага до якості даних, вміння працювати з неповними або неструктурованими джерелами.
• Знання англійської мови на рівні Upper-Intermediate або вище.

Як плюс

• Досвід з multi-agent frameworks (AutoGen, CrewAI, LangGraph).
• Знання cloud orchestration (Airflow, Prefect, Lakehouse architecture).
• Master’s degree у Data Science, Computer Science або суміжних напрямках.