Machine Learning Engineer

Розглядаємо як фултайм (голова + руки), так і парттайм, де руки вам дадуть і від вас тільки голова.
__________

Хелоу, люба спільното \0/

Ми продовжуємо нарощувати команду американського Survey SaaS, що аналізує поведінку юзерів під час digital опитувань. По суті, це платформа, де бізнес може засетапити своє опитування та отримати advanced behavioural analytics від нашої моделі на підставі того, як юзер водив мишою, відповідав на різні питання, тупив та чухався.

Вам сподобається, якщо:
- в вас ідеальний інгліш. Це найважливіший фактор. Треба багато діскутувати на складні теми. Якщо вам здається, що в вас не супер сильний інгліш – го не гаяти часу.
- в вас достатньо терпіння для щоденної роботи із гіперактивним фаундером, в якого багато ідей, іноді протилежних.
- ви вмієте поєднувати грацію науки та експеріменти на колінці (напр.: взяти наукову роботу про кореляцію відповідей із часом на роздуми та придумати як превірити це за нишими даними не за мільйон доларів та часу).

По суті, нам потрібен Scientific Lead, який буду допомагати фаундеру народжувати проект, покриваючи наукову та ML частину самостійно, або за допомогою нашого ML Engineer.

На цьому я дозволю перемкнутись на англійську, бо далі конкретніше.

What you'll do

• Act as the scientific and ML lead next to the founder, turning a stream of ideas (sometimes conflicting ones) into testable hypotheses and priorities
• Design lean experiments: take a research paper (e.g. how thinking time correlates with answer quality) and find a cheap, fast way to test it on our data
• Set tasks for our ML Engineer and review the work, or build it yourself
• Own model quality: evaluation methodology, calibration, segment-level analysis, precision/recall tradeoffs
• Keep work reproducible and audit-ready (experiment tracking, clean notebooks, documented results)
   

What you need

• Deep learning on sequence/time-series data (PyTorch, CNNs built from scratch)
• Tabular ML with gradient boosting (LightGBM / XGBoost)
• Rigorous evaluation: imbalanced classification, threshold tuning, AUC-ROC, calibration, label quality
• Solid experimental design and the ability to turn research into practice
• Experiment tracking (MLflow, W&B or similar)
• Excellent spoken and written English
• The patience and structure to work day to day with a fast-moving, idea-heavy founder
   

Nice to have: behavioral/clickstream analytics, fraud/anomaly detection, survey methodology/psychometric.
 

Stack: Python, PyTorch, LightGBM, MLflow, HDF5, PostgreSQL.
 

Not an LLM/GenAI role: this is classical ML and deep learning on structured behavioral data.

The Team

• Playing Founder
• Project Manager
• ML Engineer
• 2x Fullstack Devs
• Anti-Fraud Automation QA
• DevOps

For fulltime players we offer:

• 15 paid day-offs per year.
• 10 US/UA holidays.
• Flexible schedule and fully remote work from anywhere with reliable overlap to CET.
• Senior team members.
• Minimal bureaucracy, high authonomy and trust, fast decisions.