ML-Engineer / Data engineer
В архиве с 23 февраля 2019
Требуемый опыт работы: 1–3 года
Полная занятость, полный день
Москва, Лужники, Спортивная, Усачёва улица, 33с1
Вакансия в архиве
Работодатель, вероятно, уже нашел нужного кандидата и больше не принимает отклики на эту вакансию
Похожие вакансии
ML-инженер
до 250 000 ₽Москва
Опыт от 1 года до 3 лет
Построение и обучение нейронных сетей. Подготовка dataset из неструктурированных данных. Построение пайплайнов от сбора данных до получения...
Математическая база – понимание принципов математической статистики, теории вероятностей, построения моделей (Linear Regression, Logistic Regression, Random Forest, G- boosting, нейронные...
Работодатель сейчас онлайн
Москва
Опыт от 1 года до 3 лет
Можно из дома
Разработка, обучение и оптимизация моделей машинного обучения для решения сложных задач в области обработки изображений и NLP. Исследование и применение...
Опыт работы с различными алгоритмами машинного обучения, включая нейронные сети, деревья решений, методы кластеризации и регрессии. Продвинутые знания Python и...
Опыт от 3 до 6 лет
Проектирование, разработка и поддержка витрины данных для целей маркетинговых промо-кампаний. Операционализация моделей машинного обучения от команды DS.
Знания SQL. Опыт работы с Docker обязателен. Понимание жизненного цикла разработки ПО, культуры CI/CD. Опыт создания и оптимизации Spark...
Senior ML Engineer (NLP, LLM)
от 2 500 $Москва
Опыт от 3 до 6 лет
Можно из дома
Compliance.ai — внутренний продукт компании, направленный на контроль качества и оценки телефонного обслуживания наших клиентов. Нам поступает около 100 000 звонков...
Высокий уровень знания Python. Глубокие знания в NLP. Опыт работы с фреймворками Pytorch/Tensorflow, с ONNX. LLM fine tune (будет...
Москва
Опыт от 3 до 6 лет
Можно из дома
Анализировать источники данных. Создавать процессы интеграции данных в DWH. Создавать процессы обновления данных внутри DWH. Помогать аналитикам с созданием витрин.
Опыт работы в DWH, Python, SQL в совершенстве. Понимание архитектуры построения хранилищ. Знание отличия Anchor от Data Vault.
Опыт от 3 до 6 лет
Загружать и обрабатывать в DWH данных внутренних и внешних систем (стек Kafka, PySpark, Hadoop, Clickhouse, AirFlow). Принимать участие в построении...
Опыт обработки больших данных, знание принципов работы БД и методологий моделирования. Продвинутый уровень владения Spark, Python, Apache AirFlow, SQL.
Москва, Лужники, Спортивная, Усачёва улица, 33с1