Инженер по машинному обучению

Что предстоит делать

Работа в Правительстве Москвы — это возможность делать наш город современнее и удобнее. Если ты тоже неравнодушен к Москве, хочешь развивать ее и развиваться сам, присоединяйся к нашей команде!

• Разработка и развитие NLP-решений: обучение и дообучение современных моделей обработки естественного языка, применение LLM для классификации, извлечения информации, суммаризации и генерации текстов.
• Разработка решений для автоматической расшифровки и протоколирования встреч: настройка ASR, обработка транскриптов, выделение ключевых тезисов, решений и поручений.
• Анализ данных и предиктивная аналитика: подготовка данных, построение и валидация моделей, интерпретация результатов и внедрение решений в рабочие процессы.
• Ведение полного цикла разработки NLP- и LLM-решений: формализация задачи, подготовка данных, выбор подхода, обучение или дообучение модели, оценка качества, оптимизация и внедрение.
• Разработка современных моделей NLP и трансформерных архитектур для классификации текстов, извлечения сущностей, семантического поиска, кластеризации и анализа открытых ответов.
• Создание решений с использованием LLM, включая RAG-подходы, проектирование промптов, настройку контуров оценки качества и снижение риска недостоверных ответов.
• Развитие ASR-решений и автоматического протоколирования встреч: транскрибация, диаризация, постобработка текста, формирование резюме, решений и поручений.
• Проведение анализа данных и разработка моделей предиктивной аналитики; проверка гипотез, выбор метрик, валидация и интерпретация результатов.
• Интеграция моделей в информационные системы, мониторинг качества и производительности, документирование решений и поддержка моделей после запуска.
• Самостоятельный выбор технических решений, ревью кода и результатов экспериментов, взаимодействие с заказчиками и смежными командами.

Что ждём от вас

• Уверенное знание классического машинного обучения, методов валидации, статистики и принципов проведения экспериментов.
• Понимание современных подходов к NLP и архитектур трансформеров; практический опыт обучения и дообучения предобученных языковых моделей.
• Практический опыт работы с LLM: RAG, prompt engineering, оценка качества, контроль галлюцинаций; понимание методов fine-tuning и PEFT/LoRA.
• Опыт решения задач классификации, извлечения сущностей, семантического поиска, кластеризации и суммаризации текстов.
• Опыт работы с ASR, транскриптами и диаризацией либо готовность быстро освоить это направление.
• Навыки анализа данных и построения моделей предиктивной аналитики, умение интерпретировать результаты.
• Умение проектировать решение полного цикла, писать поддерживаемый код, проводить ревью и документировать принятые решения.

Что предлагаем