Чем Вам предстоит заниматься

• Проектировать новые курсы или осваивать существующие
• Преподавать в одном или нескольких форматах (лекции, практики/семинары, лабораторные работы, курсовые работы)
• Курировать преподавателя-ассистента (при необходимости)
• Готовить описание курсов, вопросы к экзамену, тесты
• Коммуницировать со студентами в течение курса
• Оценивать успеваемость студентов

Требования и пожелания
Обязательные

• высшее образование в сфере IT (предпочтительно уровня специалитета или магистратуры)
• глубокие знания в своей предметной области
• опыт практической работы в своей предметной области
• опыт преподавания или большое желание преподавать, подкрепляемое уверенностью в собственных способностях

Гибкие навыки

• ответственность, чёткое соблюдение учебного расписания
• приверженность нормам академической этики, уравновешенность, уважительное отношение к студентам и коллегам
• категорическое неприятие коррупции в любых формах ее проявления

Будут плюсом

• любые подтверждения уровня квалификации (сведения о трудоустройстве, повышении квалификации, сертификаты, научные и технические публикации)

Тематика учебных курсов, сфера компетенций преподавателя
Любое одно (или несколько) из нижеперечисленного:

• Основы вычислений и программирования: Python (NumPy, pandas, Polars), R), Git/ Gitlab/GitHub, работа со средами разработки (Jupyter, VS Code, PyCharm)
• Статистический анализ данных: прикладная статистика, корреляционный, регрессионный, факторный, кластерный анализ, статистические библиотеки в Python и R
• Методы оптимизации, исследование операций, теория игр
• Теория случайных процессов, анализ временных рядов
• Теория машинного обучения и распознавания образов, регрессия, классификация, кластеризация, нейронные сети
• Визуализация и дашборды: Matplotlib, Plotly и пр.
• Глубокое обучение: глубинные нейронные сети, CNN/RNN/Transformer, фреймворки PyTorch и TensorFlow
• Обучение с подкреплением, обучение роботов
• Natural Language Processing: обработка текста, классические и современные модели (BERT, GPT)
• Large Language Models: архитектуры GPT, LLaMA и пр., интеграция, API
• AutoML и оптимизация гиперпараметров
• Обработка больших данных: распределённые вычисления (Apache Spark, Dask), хранение и работа с Big Data (Hadoop, PySpark)
• MLOps и DevOps для ML-проектов: версионирование данных (DVC), CI/CD и контейнеризация (Docker), MLflow, инструменты мониторинга
• Цифровая обработка сигналов, изображений и видео, компьютерное зрение Применение ML для практических задач: кибербезопасность, анализ изображений, задачи финтеха, ускорение разработки

Условия

• оплата от 500 рублей за час занятий (зависит от опыта и наличия учёной степени)
• гибкая система финансового стимулирования за разработку и модернизацию учебных курсов
• разные формы трудоустройства в зависимости от пожеланий соискателя (в том числе мы стараемся по максимуму облегчить бумажную волокиту)
• возможность тру