Рабочее место - офис в г. Томск (удаленный формат не предусмотрен)
В команду «Elcomplus» требуется ML Engineer!
Elcomplus – это аккредитованная IT-компания, системный интегратор и производитель собственных программных и аппаратных средств в области радиосвязи и промышленной автоматизации.
Наш ключевой продукт – диспетчерское ПО Radiusip, который обеспечивает беспроводную связь и координацию на предприятиях нефтегазовой, энергетической, горнодобывающей и химической отраслей, где особенно важна безопасность и быстрая коммуникация.
ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ:
поиск предобученных моделей под задачу;
анализ возможности использования модели в Продуктах;
оптимизация алгоритмов машинного обучения;
внедрение ML решений в Продукты;
выполнять задачи анализа данных, поиска и сборки датасетов, препроцессинга данных, анализа признаков, обучения моделей, оценки качества работы моделей, описания реализованных моделей, разработки аналитических записок и презентационных материалов.
НАМ ВАЖНО, ЧТОБЫ У ВАС БЫЛО:
Образование: высшее образование по разработке ПО или математике;
Желание развиваться в области машинного обучения и анализа данных;
Хорошее знание классических алгоритмов и структур данных;
Знание теории математической статистики и машинного обучения;
Уверенное владение Python и ML-стеком: scikit-learn, PyTorch или TensorFlow;
понимание основных концепций машинного обучения, таких как регрессия, классификация, нейронные сети, а также продвинутых методов, таких как boosting, bagging, deep learning;
Знание классических библиотек ML и инструментов анализа данных (SciPy, scikit-learn, lightgbm, catboost...) и библиотек визуализации данных;
Опыт работы с LLM-моделями (GPT, Llama, BERT, RAG);
Понимание NLP, нейронных сетей для обработки текстовых и речевых данных;
Знание алгоритмов обработки больших данных и парадигмой MapReduce;
Способность анализировать данные, формировать выводы и аргументировать предложения на основе данных;
Навыки работы с базами данных: (PostgreSQL, MongoDB, Redis, Elasticsearch, векторные БД).
БУДЕТ ПРЕИМУЩЕСТВОМ:
Опыт разработки и модификации архитектуры нейронных сетей;
Понимание NLP, семантического поиска, нейронных сетей для обработки текстов;
Опыт реализации и внедрения алгоритмов машинного обучения;
Коммерческий опыт разработки и внедрения ML-решений в продукты с нуля;
Понимание различных метрик для оценки качества машинного обучения моделей и продуктовых метрик для измерения эффективности продукта;
Знания и понимание принципов модификации нейронных сетей;
Знание теоретических основ машинного обучения;
Опыт в разработке математических моделей алгоритмов по производственным и физическим процессам;
Образование: программист по специализации ML, большие данные.