Вакансии в городе Москва

Уверенно знаете библиотеки Python для анализа данных (pandas, json, requests, scipy, numpy). Обладаете базовыми знаниями SQL (select, join, агрегации).

Разметка данных на краудсорсинговых платформах: составление инструкций, подготовка обучающих заданий, контроль качества. Анализ данных: подсчёт метрик, построение графиков, формирование выводов.

Вам нравится создавать новое и социально значимое, вы драйвер и визионер. У Вас есть навыки работы с SQL на экспертном...

Создавать и оптимизировать пайплайны для сбора и обработки данных. Разрабатывать архитектуру данных. Контролировать качество данных. Рассчитывать различные продуктовые метрики на...

Уверенное знание Python (3.8+). Понимание, как устроены основные ML и DL алгоритмы (от решающих деревьев до трансформеров).

Middle MLE/DS c NLP направленностью. Обязанности: Разработка NLP решений. Работа текстовыми данными. Экспериментировать с моделью, фичами, описывать эксперименты во...

понимание принципов и алгоритмов классического МL, статистики, прогнозной модели. - уверенно владение: Python, SQL, UNIX Shell. - опыт ведения DS проектов и...

прорабатывать с бизнесом гипотезы, продумывать дизайн, проводить тестирование. - создавать прогнозные модели (многоклассовая классификация, NLP, поиск аномалий и др.). -

Опыт в Data Science от 2 лет. Знания в области прикладной статистики, математики. Знание Python, Jupyter notebook. Опыт работы с...

Разрабатывать системы речевой аналитики, NLU, NLP. Строить модели ASR/TTS. Обсуждение потенциальных фичей с экспертами предметной области. Конструирование признаков для...

Опыт работы с NLP. Знание ML (практический опыт: предобработка данных, выбор алгоритмов и тюнинг их параметров и т. д.).

Проектирование NLP моделей. Постановка задач для команды из 2х Junior Data Scientist (NLP). Кодревью команды.

1. Понимание основных принципов и алгоритмов классического ML, DL и NLP в частности. 2. Практический опыт работы с NLP. 3.

Работать с большим объемом данных о движении кандидатов. - Разрабатывать и внедрять модели машинного обучения на табличных и текстовых данных. -