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 Engineer
Описание вакансии
Мы в поиске ML инженера в российскую аутстаф компанию.
Обязанности:
Внедрение моделей машинного обучения.
Сопровождение полного цикла сборки модели.
Поиск методов автоматизации работы модели (проверка разных моделей).
Обработка и анализ данных.
Поддержка коммуникации с разработчиками моделей.
Требования:
Опыт работы ML-инженером или на аналогичной позиции от 4х лет.
Знание алгоритмов ML: деревьев решений и случайных лесов, регрессии, бустингов, кластеризации, временных рядов и др., понимание принципов работы рекомендательных систем и лежащих в основе алгоритмов.
Опыт работы с текстовыми данными (NLP: тематическое моделирование, поиск ключевых слов, задачи суммаризации, шаблонизации и др.) и технологиями компьютерного зрения.
Опыт промышленной разработки моделей машинного обучения с использованием современных DL фреймворков (Tensorflow, Pytorch, Keras, etc) и применения их в продакшене.
Опыт использования и настройки предобученных моделей (CNN, RNN, LSTM, BERT, GPT).
Опыт написания проектной документации.
Способность поддержки full-stack разработки от сбора требований к задаче до реализации, документации и последующего мониторинга моделей.
Высокий уровень знания Python, глубокое понимание принципов работы современных алгоритмов машинного обучения.
Умение декомпозировать задачу в переиспользуемые и тестируемые библиотеки и компоненты.
Хорошая теоретическая подготовка в областях математики, алгоритмов и структур данных, прикладной статистики.
Умение самостоятельно изучать научные статьи на английском языке и желание ставить эксперименты на их основе.
Практические знания Linux, Git, Bash, Docker.
Наличие публикаций по ML/DL, опыт выступления на ML-конференциях будет плюсом.
Базовый или продвинутый опыт работы с геопространственными (геология, геофизика, картография) данными.
Опыт работы с языковыми моделями, с мультимодальными сетками.