На проект ML-инженера

Get IT; United States; Remote; USD 25,000 - 44,000; Part time

Job summary

Get IT ищет Senior ML-инженера для долгосрочного проекта по обезличиванию данных. Требуется опыт разработки и внедрения ML-моделей в продакшен, а также лидерские качества и крепкая база Python-экосистемы.

Ключевые навыки: NLP (SpaCy, Transformers), NER, пайплайны обработки неструктурированных данных, Docker, API-развертывание (FastAPI/Flask), MLflow/DVC, CI/CD; умение подбирать гиперпараметры и оценивать риски переобучения. Формат сотрудничества — ИП, удаленная работа, проект долгосрочный.

Qualifications

• Опыт работы ML-инженером/DS
• Опыт лидерской роли в проектах
• Опыт развёртывания ML-моделей в продакшен
• Навыки обработки неструктурированных данных
• Знание Python экосистемы

Responsibilities

• Разработка и внедрение ML-моделей в продакшн
• Участие в обезличивании данных и NER
• Разработка пайплайнов для неструктурированных данных
• Развертывание API сервисов
• Управление гиперпараметрами и рисками переобучения

Skills

ML-инженер

Data Scientist

Лидерство

Python/Pandas/Numpy

NLP: SpaCy

Transformers

NER

ML Pipelines

Docker

API: FastAPI/Flask

MLflow/DVC

CI/CD

Random Forest

Tools

Docker

MLflow

DVC

FastAPI

Flask

Git

Job description

#ML #инженер #remote #удаленно #Москва #РФ

По сотрудничеству в формате ИП ищем на проект ML-инженера (проект по обезличиванию данных), проект долгосрочный, грейд Senior

• -Опыт работы в роли ML-инженера / Data Scientist
• - Опыт лидерской роли
• - Опыт разработки и внедрения ML-моделей в продакшен.
• - Python, pandas, numpy, scikit-learn.
• - Опыт работы с NLP-инструментами: SpaCy, Hugging Face Transformers и/или аналогами.
• - Опыт решения задач извлечения сущностей (NER), обучение NER- модели для выявления ПДн в произвольном тексте.
• - Опыт построения пайплайнов обработки неструктурированных данных.
• - Опыт работы со смешанными данными в одной колонке, распознавание новых типов данных
• - Понимание и опыт применения деревьев решений и ансамблей, Random Forest.
• - Умение интерпретировать результаты, подбирать гиперпараметры, оценивать риски переобучения.
• - Контейнеризация (Docker)
• - Развертывание моделей через API (FastAPI/Flask).
• -Версионирование моделей и данных (MLflow/DVC)
• - Понимание CI/CD-процессов