Задачи
•Разработка и внедрение моделей машинного обучения для семантического анализа текстовых и веб-данных.
•Построение систем автоматической категоризации и кластеризации контента на основе неструктурированных источников.
•Разработка алгоритмов для генерации кратких текстовых представлений (summary / description) с использованием NLP-подходов.
•Проектирование и оптимизация моделей, работающих со слабо структурированными и шумными данными.
•Построение и анализ графовых представлений данных, выявление связей и закономерностей.
Требования
•Практический опыт работы с фреймворками: PyTorch, TensorFlow, Keras.
•Понимание архитектур сверточных нейронных сетей: ResNet, EfficientNet, DenseNet.
•Опыт построения нейронных сетей с нуля и адаптации предобученных моделей.
•Опыт работы с несбалансированными выборками и задачами многоклассовой классификации.
•Практический опыт применения классических алгоритмов машинного обучения на табличных данных (scikit-learn).
•Опыт анализа и предобработки данных с использованием pandas, NumPy.
•Feature engineering, оценка и валидация моделей.
•Опыт построения ETL-пайплайнов для обработки данных и подготовки к обучению моделей.
•Опыт очистки, трансформации и подготовки данных для ML-задач.
Условия
280 000 — 400 000 ₽/мес до налогов
