КО
Комос Групп
Инженер по машинному обучению/Центр компетенций в сфере искусственного интеллекта
СИГНАЛ JOBRADAR75/100Нормальный сигнал актуальности
ПАСПОРТ ВАКАНСИИ
Что JobRadar наблюдает сейчас
Балл строится только на фактах из источников: свежести подтверждения, возрасте записи и происхождении вакансии. Это не гарантия найма и не оценка работодателя.
Последнее подтверждение18 мин. назад
Впервые замечена2 ч назад
Активные источники1 источник
ПроисхождениеПубличный источник
Описание вакансии
Обязанности:
- Анализировать бизнес-задачи и формулировать их как задачи машинного обучения с измеримыми критериями качества
- Подготавливать и исследовать данные: очистка, преобразование, анализ качества, построение признаков и формирование обучающих выборок
- Разрабатывать, обучать и сравнивать модели для задач классификации, регрессии, прогнозирования и анализа временных рядов
- Выбирать метрики, строить baseline-решения, проводить валидацию, эксперименты и интерпретацию результатов
- Доводить модели от прототипа до использования в бизнес-процессе: пакетный расчет, сервис/API либо интеграция с прикладной системой
- Участвовать в построении воспроизводимых ML-пайплайнов, версионировании кода и моделей, контейнеризации и автоматизации запуска
- Контролировать качество моделей после внедрения, анализировать деградацию качества и инициировать переобучение при необходимости
- Документировать решения и взаимодействовать с инженерами данных, разработчиками, аналитиками и владельцами бизнес-процессов
Требования:
- Высшее образование
- Опыт 2–4 года в ML/Data Science. Python, pandas (возможно), PyTorch/TensorFlow. Опыт построения, обучения и оценки моделей
- Опыт работы с табличными данными, временными рядами, классификацией/прогнозированием. SQL, Git,
- Базовое понимание Docker и API
- Умение доводить модель от эксперимента до использования в бизнес-процессе
- Понимание обучения и валидации моделей, feature engineering, подбора метрик, борьбы с переобучением, интерпретации результатов и сравнения экспериментов
- Уверенный SQL; опыт работы с табличными данными и временными рядами, понимание качества данных и влияния исходных данных на результат модели
- Базовое понимание REST API, Docker, Git и принципов развертывания моделей Способность подготовить модель к использованию в прикладном сервисе или бизнес-процессе
- Умение переводить бизнес-потребность в техническую постановку, выбирать достаточную сложность решения и оценивать практический эффект…
Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.
ИсточникHeadHunter / Data Scientist / RU