Вакансии в городе Москва

Коммерческий опыт ML разработки от 3-х лет. Опыт работы с LLM, RAG. Опыт работы с векторными БД.

End to end созданием ИИ агентов на основе LLM, отвечающих по внутренним документам компании. Оцифровать все знания компании: спарсить документацию...

4+ лет опыта в Data Science. 2+ года опыта в финансовом секторе. Практический опыт разработки скоринговых моделей.

Разработка, валидация и использование скоринговых моделей (PD, LGD, EAD). Построение моделей кредитного риска, antifraud и поведенческого скоринга. Работа с большими...

Python - уверенное знание структур данных и алгоритмов, эффективное применение принципов ООП и ФП. Опыт написания модульных и интеграционных тестов.

Реализация высоконагруженных конвейеров обработки данных для обеспечения надежной и бесперебойной репликации данных из ИТ-систем Банка. Реализация комплексных задач по...

Опыт проведения глубокого анализа данных. Навыки feature engineering и оптимизации признаков. Знание методов проектирования и проведения AB-тестов.

Проводить глубокий анализ данных для генерации гипотез, улучшающих метрики ML-моделей. Выполнять feature engineering: поиск и оптимизация признаков в сырых...

Входные данные. Обязательные характеристики. Язык: русский. Голос: точный клон реального человека. Одновременная нагрузка: 1 пользователь. Ожидаемый стек / опыт. (

Формат: пользователь заходит на сайт, нажимает «начать диалог», и фотореалистичный 2D-аватар человека ведёт живой голосовой диалог (voice +...

Опыт работы в направлении ML от 5 лет. Опыт в банке от 1 года. Опыт с RL и Графовых нейросетях.

Оптимизировать и дорабатывать внутренних фреймворков. Разрабатывать дизайн экспериментов для оценки качества моделей в бизнес-процессах. Реализовывать ETL-процессы подготовки данных...

Высшее техническое/математическое образование или 5+ лет подтверждённого опыта в ML. Глубокое понимание трансформеров — не "использовал библиотеку", а "могу...

Проектирование признаков вместе с аналитиками: эмбеддинги, временная динамика, контекстные фичи. Representation learning, contrastive learning. Сбор и структурирование исторических данных.