Описание
Стабільний розвиток фахівця можливий лише за умови стабільності його команди. Ми в NIX шукаємо Middle Data Scientist, і ми впевнені, що такий фахівець продовжить професійно зростати і зможе досягти нових кар'єрних висот.ЧИМ ТИ БУДЕШ ЗАЙМАТИСЯ: Співпрацювати з командою над впровадженням нових функцій для підтримки зростаючих потреб науки про дані.Створювати масштабовані конвеєри та робочі процеси ML для обробки даних у реальному часі або пакетної обробки: пошук даних, попередня обробка, інженерія функцій, навчання та виведення моделей, аналіз і візуалізація результатів.Ділитися знаннями з іншими командами щодо тем, пов’язаних з наукою про дані та проєктами.Визначати разом із командою оптимальні інструменти та стратегії для конкретних сценаріїв.Самостійно розробляти та впроваджувати рішення відповідно до потреб і вимог зацікавлених сторін.Чітко та вчасно інформувати всі зацікавлені сторони (як технічних, так і нетехнічних спеціалістів) про прогрес, проблеми та можливі рішення.Наставляти молодших членів команди, надавати конструктивний зворотний зв’язок і сприяти їхньому розвитку.ЩО ТОБІ ЗНАДОБИТЬСЯ:3+ роки досвіду з ML та DL з комерційними проєктами в портфоліо.Ступінь магістра в галузі комп'ютерних наук, науки про дані або суміжних галузях.Рівень англійської мови B2+.Хороша експертиза принаймні в одній з областей: NLP, CV, класичний ML, GenAI.Ґрунтовні математичні знання (лінійна алгебра, математичний аналіз, оптимізація, статистика) та знання тензорного числення.Добре знання мови програмування Python та принципів об'єктно-орієнтованого програмування (ООП).Добре знання принаймні однієї бази даних, наприклад, MySQL, Postgres, MongoDB, а також хороші знання SQL.Ґрунтовні знання класичних методів машинного навчання (наприклад, лінійна регресія, логістична регресія, k-NN, дерева рішень, випадкові ліси, SVM, бустінг, k-середні, DBSCAN, наївний Байєс, PCA).Досвід взаємодії з бібліотеками Numpy, Pandas, Matplotlib, Langchain та Scikit-learn.Знання класичних метрик оцінювання, таких як точність, згадування, ROC AUC, PR AUC, оцінка F1, специфічність, чутливість, матриця плутанини, MSE, MAE, R1, RMSE, MAPE, MSLE.Знання алгоритмів градієнтного бустингу (XGBoost або LightGBM).Досвід взаємодії принаймні з одним фреймворком для побудови та навчання нейронних мереж (TensorFlow/Keras, PyTorch).Глибоке розуміння архітектури нейронних мереж, цільових функцій навчання, оптимізаторів, функцій активації та метрик оцінювання; вміння визначати конкретні випадки використання та обмеження для кожного з них.Глибокі знання хмарних концепцій та практичний досвід принаймні в одній з хмар: AWS (наприклад, Sagemaker, Bedrock, Comprehend), Azure (наприклад, Azure ML Studio, Azure Rekognition, OpenAI Service), GCP (наприклад, Vertex AI, Agent Builder, AI Vision).Практичні навички швидкого інженерінгу (few-shot learning, CoT, Self-Consistency), RAG (Naive Retriever, Parent Document Retriever, Self-Query Retriever) та векторні сховища (наприклад, Chroma, FAISS).Знання хмарних сервісів, пов'язаних зі штучним інтелектом, таких як AWS Textract, AWS Converse API, AWS Builder, Azure Translator, Azure AI Vision, Azure AI Foundry, Vertex AI Agent Builder.Знання агентів LLM.Практичні навички побудови наскрізних конвеєрів навчання ML (завантаження даних, препроцес, навчання, висновок), а також потоків GitHub / GitLab CI/CD.Досвід з платформою Docker або Kubernetes.Досвід розробки веб-мікросервісів (API, Flask, FastAPI).Практичний досвід з інструментами розробки та управління проектами (git, pip, Jira тощо).Бути проактивним учасником команди.БУДЕ ПЕРЕВАГОЮ:Практичний досвід принаймні в одній з хмар з наступними сервісами: AWS (Lambda, Athena, S3), Azure (Azure Functions, Azure Synapse Analytics або Databricks), GCP (Cloud Functions, BigQuery).Практичний досвід принаймні з декількома хмарними сервісами, такими як AWS Textract, AWS Converse API, Azure Translator, Azure AI Vision, Azure AI Foundry.Вміння працювати з Spark/PySpark, Airflow.2+ роки комерційного досвіду роботи з NLP/CV.Для області NLP:Досвід з NLP фреймворками, такими як LangChain, HuggingFace, LlamaIndex, NLTK, spaCy.Практичний досвід створення додатків на основі LLM-агентів з використанням таких фреймворків, як LangGraph або Crew.ai.Знайомство з фреймворками швидкої оптимізації, такими як DSPy, textgrad, «ell» тощо;Практика створення LLM-агентів за допомогою LangChain.Хороші знання різних метрик оцінки NLP, таких як BERTScore, RAGAS, BLEU, ROUGE і Perplexity.Практичний досвід принаймні з однією векторною базою даних (Pinecone, Weaviate, pgvector розширення PostgreSQL тощо).Знання архітектур великих мовних моделей (LLM) (OpenAI GPT, Anthropic Claude тощо).Знання методів PEFT або тонкого налаштування LLM.Для домену CV:Базові методи CV (CNN, алгоритм згортки, об'єднання шарів, доповнення даних у CV).Розуміння проблем комп'ютерного зору (NLP): класифікація об'єктів, виявлення об'єктів, семантична сегментація, виявлення та розпізнавання тексту (OCR), передача стилю.Знання фреймворків CV, таких як OpenCV, YOLO.Знання архітектур моделей комп'ютерного зору (CNN, ResNet, Mask R-CNN).Практичний досвід з моделями/технологіями КНМ (SIFT, Transfer Learning, FCN, U-Net, StyleGAN).ЩО МИ ЗАЛЮБКИ ЗАПРОПОНУЄМО ТОБІ:Довгострокову стратегію вашого розвитку як експерта.Участь у великих міжнародних проектах, які дозволяють освоювати нові технології та домени.Освітні заходи та професійні тренінги, які допоможуть побудувати стабільний кар'єрний шлях.Гнучку систему винагород, де ваш дохід буде залежати тільки від вас і вашого бажання розвиватися.Дружню та затишну корпоративну культуру з мінімальним рівнем формальності та бюрократії.Щоб розпочати успішну кар'єру в NIX, надсилайте своє резюме на адресу
[email protected]. Будемо раді долати нові професійні виклики разом з вами!