Обязанности:
Технологии с которыми работаем: классический ML (CatBoost, XGBoost, PyTorch и т.д.), time-series. Чем предстоит заниматься: feature engineering для модели forecast; поиском неочевидных подходов к решению задачи прогнозирования (готовность пробовать новые подходы и не зацикливаться на бустингах); внедрением ML-моделей в рабочие процессы взаимодействие с бизнесом; выстраиванием MLOps-процессов. Пожелания к твоему опыту: опыт работы в области машинного обучения от 4 лет; уверенные знания Python3, Pytest, алгоритмов и структур данных (понимание асинхронности, многопоточности, работы с памятью); хорошо владеете математическим аппаратом (теория вероятностей, математическая статистика, линейная алгебра, вычислительная математика); понимание как устроены основные ML-алгоритмы (от линейной регрессии до трансформеров); понимаете, что самое важное в ML – это данные (garbage in, garbage out); хорошо владеете Python, Pandas, CatBoost, PyTorch; опыт работы с SQL. Будет плюсом: успешное участие в соревнованиях по машинному обучению; опыт с Big Data и MLOps-стеком (Spark, Hive, MLFlow, AirFlow); опыт работы с системами рекомендаций и / или NLP; опыт разработки веб-сервисов; понимание работы с univariate и multivariate временными рядами для решения задачи forecast; опыт работы с hierarchical forecast; держите руку на пульсе и интересуетесь, что же происходит в ML-мире (интерес к SOTA-подходам к табличным данным, и есть представление о GNN).Machine Learning / Machine Learning Ops Engineer
Договорная
Москва
Центр Методического Обеспечения Оптимизации Процессов Государственного Управления в Московской области