Всего найдено 52 вакансий
Минск
Опыт менторства и делегирования задач в команде. Сильные коммуникативные навыки и желание развивать лидерские компетенции. Уверенное владение Python.
Подготовку к собеседованиям с зарубежными заказчиками на английском языке. Рабочая среда: Подробный онбординг: знакомство с командой, процессами и правилами, экскурсия...
Минск
Знание BSS. Знания мобильных телекоммуникационных систем GSM/ LTE/ 5G. Умение работать с большими объёмами технической документации 3GPP/ RFC...
Формализация требований к продукту. Декомпозиция задач и разработка технических требований к компонентам продукта. Поддержание непротиворечивости, полноты, актуальности требований.
Минск
Владение английским языком. Навыки prompt-engineering и работы с AI API (VapiAI, OpenAI, LocalAI и т.д.). Опыт работы с...
Начисление и выплата з/п в USD, USDT или в указанной вами валюте по текущему курсу доллара на дату выплаты.
Минск
Опыт работы в области NLP от 4х лет. Понимание архитектуры нейронных сетей (RNN, CNN, Transformer), их слоев, модулей, loss...
Проектирование и модификация передовых моделей машинного обучения в области обработки естественного языка (NLP) для задач обнаружения именованных сущностей (NER), классификации...
Минск
3+ года опыта в ML (компьютерное зрение, обучение и тестирование моделей классификации, детектирования, сегментации). Навыки построения end-to-end...
Разработка и поддержка кода аналитики, участие в поиске и устранении проблем, предоставление экспертизы по аналитике. Анализ задач, построение и проверка...
Минск
опыт работы от 3 лет в ML/AI. - отличное знание Python. - практический опыт с фреймворками и инструментами: PyTorch, TensorFlow, TensorFlow...
решать исследовательские задачи в области ML. - разрабатывать и обучать модели, адаптировать их под специфические задачи (видео, фото), использовать LoRA, выполнять...
Минск
Знание SOTA. Работа с метриками. Наличие опыта: промышленного внедрения детекторов, треков; работы с видеотрансформерами, в обучении производительных моделей нейросетей.
Имплементация и тестирование существующий решений нейросетей и классических алгоритмов компьютерного зрения. Оптимизация существующих решений нейросетей с последующим циклом дообучения.