Senior MLOps-инженер / Applied Scientist, NLP

Локация: РФ. Формат: удалённо. Период: долгосрок. Занятость: фуллтайм. Оформление по договору с ИП. Оплата: от 1200 до 1500 рублей в час.

Чем предстоит заниматься:

Развитие классификатора данных для полей БД (Tabular ML)

• Развитие существующей ML-модели (RandomForest), которая выявляет ПДн в полях баз данных на основе метаданных и значений.
• Обучение модели распознаванию новых типов данных (например, VIN-номера, специфические идентификаторы).
• Повышение качества классификации: исправление ошибок (например, обнаружение сложных форматов телефонов).
• Решение задачи со смешанными данными: обучение модели корректно работать, когда в одной колонке БД вперемешку находятся ФИО, адреса и телефоны.
• Оптимизация модели для высокой скорости работы на CPU, так как системе предстоит проводить полное сканирование БД объёмом в несколько ТБ.

Создание модели для выявления данных в произвольном тексте (NLP / NER)

• Разработка архитектуры и обучение NER-модели (Named Entity Recognition) для поиска ПДн в неструктурированном тексте.
• Работа с различными форматами файлов: TXT, DOCX, PDF (включая распознавание текста) и логами.
• Реализация пайплайнов очистки и нормализации шумных данных перед подачей в модель.

Ожидания:

Опыт и лидерство:

• Опыт разработки и внедрения ML-моделей в production от 3 лет.
• Опыт ведения полного цикла: от исследования и постановки задачи до мониторинга качества и настройки автоматического ретренинга.
• Готовность возглавить направление, самостоятельно декомпозировать бизнес-задачи на технические и нести ответственность за результат.

Технический стек (Python и ML):

• Уверенное владение Python (pandas, numpy, scikit-learn).
• Глубокое понимание классических ML-алгоритмов (деревья решений, ансамбли, Random Forest), умение интерпретировать результаты (Feature Importance) и подбирать гиперпараметры.
• NLP: практический опыт работы с Hugging Face Transformers и/или SpaCy. Обязателен опыт обучения NER-моделей.
• Data Engineering: опыт построения пайплайнов обработки неструктурированных данных (PDF, тексты). Навык Feature Engineering для табличных данных.

Производительность и инфраструктура (MLOps):

• Опыт оптимизации инференса моделей для работы на CPU.
• Опыт работы с большими объёмами данных (полное сканирование БД от нескольких ТБ).
• Опыт развертывания моделей через API (FastAPI), контейнеризация (Docker).
• Владение инструментами версионирования (MLflow, DVC), понимание CI/CD-процессов. Опыт настройки мониторинга качества моделей (Model Drift, Quality Gates) и организации автоматического ретренинга.

Будет плюсом:

• Опыт работы именно с классификаторами для профилирования данных БД.
• Опыт распознавания специфических типов данных (VIN, номера карт, крипто-адреса).
• Опыт в области защиты ПДн, обезличивания данных или антифрод-систем.

Что предлагают:

• Возможность влиять на архитектуру сложного AI-продукта с нуля.
• Работу с реальными Big Data задачами (TB+).
• Современный стек и отсутствие легаси.