Middle DS/ML engineer

🏢 ОфисMiddleПолная занятость

Зарплата не указана

Есть о чём спросить

Навык востребован (Python), за такой навык на рынке платят больше. Но вилки нет, про деньги придётся договариваться с нуля.

Нажмите на сигнал, чтобы увидеть, на чём он основан

Чем предстоит заниматься

Дообучение и адаптация нейросетевых моделей под задачи банка: извлечение данных из документов, классификация и маршрутизация сканов, проверка комплектности документов, задачи компьютерного зрения

Подготовка датасетов: организация и контроль разметки, предобработка изображений, аугментация, формирование эталонных наборов для оценки качества

Обучение моделей на GPU-инфраструктуре банка, подбор гиперпараметров, работа в условиях ограниченной памяти (LoRA/QLoRA и аналогичные подходы)

Построение и оценка систем поиска по внутренним документам (эмбеддинги, векторный поиск, реранкинг)

Разработка методики оценки качества моделей и регрессионного тестирования: метрики, эталонные наборы, воспроизводимые эксперименты

Вывод моделей в промышленную эксплуатацию совместно с отделом Platform & MLOps, контроль латентности, стоимости запроса и стабильности качества

Взаимодействие с бизнес-заказчиками: уточнение постановки задачи, согласование метрик успеха, демонстрация результатов

Документирование решений и подготовка отчётности для руководства и контролирующих подразделений

Обеспечение работы моделей в контуре банка с учётом требований по локализации данных и информационной безопасности

Наши требования

Уверенный Python; опыт работы с фреймворками глубокого обучения (PyTorch или TensorFlow)

Практический опыт обучения нейросетевых моделей в задачах компьютерного зрения или обработки естественного языка: подготовка данных, обучение, валидация, анализ ошибок

Понимание метрик качества и умение построить корректную процедуру оценки, а не полагаться на визуальную проверку

Математическая база: линейная алгебра, теория вероятностей и статистика, методы оптимизации

Linux, Git, SQL, Docker — на уровне уверенного практического применения

Умение читать техническую документацию и научные публикации на английском языке и применять описанные подходы на практике

Высшее (бакалавр/магистр) в области компьютерных наук, информатики, прикладной математики, автоматизации и управления, инженерии или физики. Профильные сертификаты и подтверждённые проекты (GitHub, соревнования, публикации) рассматриваются как преимущество