Разработчик ML

Москва, Бумажный проезд, 14с2

Показать контакты

Описание вакансии

Обязанности:

Создание системы для автоматической идентификации неизвестных солдат в архивах сервиса «Память народа» с использованием NLP и графовых связей.

Мы ищем специалиста, который создаст систему для автоматической идентификации неизвестных солдат в архивах сервиса «Память народа»:
— Поможет восстановить имена десятков тысяч солдат Великой Отечественной войны, чьи судьбы остались неизвестными;
— Научит модели находить связи там, где их не видно;
— Не боится генерить гипотезы и работать с большими данными (> 250 млн записей в БД, тысячи захоронений).

Мы ждем, что вы имеете опыт в машинном обучении и анализе данных:
Знание алгоритмов классификации, регрессии, кластеризации, рекомендательных систем;
Опыт работы с графовыми данными (анализ связей, графовые эмбеддинги, методы вроде Adamic/Adar);
Понимание вероятностных моделей и методов обработки разреженных/неполных данных.
Опыт с распределенными системами (Spark, Hadoop, MapReduce).
Программирование и обработка текстовых данных:
Python (библиотеки: scikit-learn, pandas, numpy, networkx).
Опыт с ML-фреймворками (XGBoost, LightGBM, TensorFlow/PyTorch).
Знание методов NLP (нормализация текста, fuzzy-matching, обработка опечаток).
В чем уникальность проекта:

Никто в мире ещё не связывал такие объёмы исторических данных с неизвестными солдатами. Вы станете пионером. Ваши алгоритмы помогут тысячам семей узнать судьбу своих предков.

Требования:

Знание алгоритмов классификации, регрессии, кластеризации, рекомендательных систем;
Опыт работы с графовыми данными (анализ связей, графовые эмбеддинги, методы вроде Adamic/Adar);
Понимание вероятностных моделей и методов обработки разреженных/неполных данных.
Опыт с распределенными системами (Spark, Hadoop, MapReduce).
Программирование и обработка текстовых данных:
Python (библиотеки: scikit-learn, pandas, numpy, networkx).
Опыт с ML-фреймворками (XGBoost, LightGBM, TensorFlow/PyTorch).
Знание методов NLP (нормализация текста, fuzzy-matching, обработка опечаток).

Условия: