Data Scientist (рекомендательные системы, ML/DL)

Что предстоит делать

<h3>О роли</h3><p>Мы ищем практикующего Data Scientist с сильной экспертизой в рекомендательных системах, классическом Machine Learning и Deep Learning.</p><p>Вы будете работать над сложными ML-задачами, связанными с крупномасштабными, мультимодальными и частично неразмеченными данными, включая текст, изображения, сигналы и табличные датасеты. Роль требует глубокой экспертизы в моделировании и способности владеть полным жизненным циклом ML — от исследовательского анализа данных и валидации данных до разработки моделей, оценки и развёртывания в продакшене.</p><p>Эта позиция идеально подходит для того, кто понимает не только то, как использовать ML-фреймворки и библиотеки, но и математические и алгоритмические принципы, лежащие в основе создаваемых моделей.</p><h3>Что вы будете делать</h3><ul><li>Проектировать, разрабатывать, валидировать и развёртывать модели Machine Learning и Deep Learning от начала до конца</li><li>Создавать и улучшать рекомендательные системы, ориентированные на схожесть пользователей, продуктов и контента</li><li>Разрабатывать подходы для сопоставления по схожести в гетерогенных и мультимодальных данных</li><li>Работать с большими объёмами структурированных и неструктурированных данных, включая текст, документы, изображения, сигналы и табличные датасеты</li><li>Выполнять исследовательский анализ данных и валидировать качество и пригодность обучающих данных</li><li>Переводить бизнес-задачи в практические ML-решения и стратегии моделирования</li><li>Разрабатывать решения для датасетов с ограниченными или отсутствующими метками</li><li>Исследовать продвинутые подходы, такие как contrastive learning, embeddings, pseudo-labeling и representation learning</li><li>Проектировать и оценивать метрики схожести, когда стандартных функций расстояния недостаточно</li><li>Создавать data pipelines продакшен-качества и реализации моделей</li><li>Дообучать и адаптировать предобученные модели для доменно-специфичных сценариев использования</li><li>Сотрудничать с инженерами и бизнес-стейкхолдерами для вывода моделей в продакшен</li></ul><h3>Что мы ищем</h3><h3>Machine Learning &amp; Data Science</h3><ul><li>Прочная база в классическом Machine Learning, статистике и математике</li><li>Глубокий практический опыт разработки ML-моделей, а не только проектирования высокоуровневых архитектур</li><li>Опыт с supervised, unsupervised и transfer learning</li><li>Сильное понимание рекомендательных систем и моделирования на основе схожести</li><li>Опыт с embeddings, representation learning и similarity search</li><li>Способность выбирать и обосновывать подходы к моделированию исходя из бизнес- и данных-ограничений</li><li>Опыт анализа временных рядов, включая как минимум один подход за пределами стандартных готовых решений</li></ul><h3>Deep Learning</h3><ul><li>Сильное понимание архитектуры нейронных сетей и их внутренней механики</li><li>Практический опыт с CNNs и Transformers</li><li>Понимание выбора дизайна слоёв и их влияния на поведение модели</li><li>Сильное знание функций потерь и того, когда использовать различные подходы</li><li>Понимание функций активации, потока градиентов и распространённых крайних случаев, таких как dying ReLU</li><li>Опыт с computer vision, предобученными моделями и fine-tuning</li><li>Знакомство с такими техниками, как contrastive learning, крайне желательно</li></ul><h3>Data &amp; Algorithms</h3><ul><li>Опыт валидации качества обучающих данных и определения методологий валидации данных</li><li>Опыт работы с неструктурированными данными, такими как документы, PDFs, изображения и текст</li><li>Сильные алгоритмические навыки и навыки решения задач</li><li>Прочное понимание классических алгоритмов, включая динамическое программирование, жадные подходы и задачи оптимизации</li><li>Способность работать с крупномасштабными датасетами объёмом 100GB+ в облачных средах</li></ul><h3>Engineering &amp; Cloud</h3><ul><li>Сильные навыки Python и способность писать чистый код продакшен-качества</li><li>Опыт создания data pipelines и реализации ML-решений в продакшене</li><li>Практический опыт с GCP или Azure; опыт с обоими — плюс</li><li>Знакомство с практиками MLOps, развёртыванием и мониторингом моделей — преимущество</li></ul><h3>Будет плюсом</h3><ul><li>Опыт с мультимодальным Machine Learning</li><li>Опыт работы с неразмеченными или слабо размеченными датасетами</li><li>Знание pseudo-labeling и продвинутых техник representation learning</li><li>Опыт с крупномасштабными рекомендательными движками</li><li>Знакомство с продакшен ML-инфраструктурой и инструментами MLOps</li></ul> <div> <a href="https://jobs.dou.ua/companies/grid-dynamics/vacancies/375977/#reply-btn-id">Откликнуться на вакансию</a> </div>