Разработка и исследование моделей прогнозирования, поиска аномалий, классификации на базе библиотек машинного обучения для технологического оборудования энергообъектов.
Тестирование разработанных модулей на полигоне, выбор лучших архитектур.
Адаптация готовых LLM моделей под узкоспециализированные задачи.
Исследование и предобработка технологических данных.
Разработка документации на систему, подготовка отчетов по разработке и исследованиям.
Построение и отбор признаков (фич).
Требования:
Техническое образование;
Опыт работы в DSML от 2 лет.
Уверенное владение Python и другими языками программирования.
Знание базовых и специализированных алгоритмов машинного обучения.
Знание математического и статистического анализа, теория вероятности.
Уверенное владение программными библиотеками TensorFlow/Keras, PyTorch, Scikit-learn, XGBoost, CatBoost, FBProphet.
Умение проводить расчеты на графических процессорах (GPU).
Знание архитектур нейронных сетей и умение применять их для решения поставленных задач.
Опыт применения метрик для оценки моделей (RMSE, точность, перплексия, комплексные бенчмарки: MMLU, HumanEval).
Опыт тонкой настройки моделей и работы с RAG.
Базовое умение работать с различными источниками данных, обрабатывать данные, готовить дата-сеты.
Владение английским языком на уровне чтения технической документации.
Условия:
Заработная плата (белая), определяется по результатам собеседования в зависимости от квалификации и опыта работы кандидата.