Если информация в вакансии не соответствует действительности, или эта вакансия является мошенничеством, сообщите, пожалуйста, модератору, используя кнопку . Спасибо.
Уровень зарплаты: з.п. не указана
Требуемый опыт работы: Не указан
Вакансия: ML Инженер (Natural Language Processing & Recommender Systems)
Описание вакансии
Обязанности:
Выполнять анализ текстовых данных в контексте B2B индустрии, выявляя ключевые шаблоны и тенденции для лучшего понимания запросов клиентов.
Разрабатывать и совершенствовать модели машинного обучения для обработки неструктурированных данных, поступающих в форме текстовых запросов от корпоративных клиентов.
Обрабатывать и классифицировать запросы из электронной почты, создавая модели для автоматического выделения сущностей и понимания намерений.
Генерировать персонализированные рекомендации для пользователей на основе результатов анализа данных и выводов моделей.
Оценивать и улучшать точность и производительность существующих моделей для достижения высокой точности в ответах на клиентские запросы.
Тестировать и оптимизировать ML-модели для повышения их эффективности и устойчивости, используя методы предобработки и аугментации текстовых данных.
Сотрудничать с командой по продукту и аналитиками для внедрения и интеграции моделей в рабочие процессы.
Требования:
Опыт работы в области Natural Language Processing (NLP), а также знание современных библиотек и методологий для анализа текстовых данных.
Глубокое понимание принципов работы рекомендательных систем, включая опыт в создании и оптимизации моделей для персонализированных рекомендаций.
Навыки тонкой настройки (файнтюнинга) языковых моделей для решения бизнес-задач, включая опыт работы с semi-supervised методами разметки данных и подходами Retrieval-Augmented Generation (RAG).
Уверенные навыки программирования на Python и опыт работы с ключевыми ML/NLP библиотеками, такими как pandas, scikit-learn, TensorFlow или PyTorch.
Понимание принципов работы с крупными языковыми моделями (например, BERT, GPT) и опыт их адаптации под конкретные задачи и требования бизнеса.
Способность анализировать, оптимизировать и повышать эффективность существующих ML решений для достижения требуемой точности и производительности.