Applied Scientist / MLOps Engineer

#вакансия #fulltime #удаленка#Senior
Локация: РФ
Формат: Удаленно
Период: долгосрок
Занятость: фуллтайм
Оформление по договору с ИП
Оплата: от 1200 рублей в час до 1500 рублей в час

Applied Scientist / MLOps Engineer (Обезличивание данных / Privacy AI)

Чем предстоит заниматься (Ключевые задачи):
1. 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.
Особенность: Оптимизация модели для высокой скорости работы на CPU, так как системе предстоит проводить полное сканирование БД объемом в несколько ТБ.
2. 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.
Наши ожидания от вас (Требования):
Опыт и лидерство:
Опыт разработки и внедрения ML-моделей в production от 3-х лет.
Опыт ведения полного цикла: от исследования и постановки задачи до мониторинга качества и настройки автоматического ретренинга.
Лидерство: 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):
Performance: Опыт оптимизации инференса моделей для работы на CPU.
Масштаб: Опыт работы с большими объемами данных (полное сканирование БД от нескольких ТБ).
Production: Опыт развертывания моделей через API (FastAPI), контейнеризация (Docker).
MLOps: 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 мы предлагаем:
Возможность влиять на архитектуру сложного AI-продукта с нуля.
Работу с реальными Big Data задачами (TB+).
Современный стек и отсутствие легаси.

Для связи контакт скрыт