Applied Scientist / MLOps Engineer (Обезличивание данных / Privacy AI)
Технологии
Описание вакансии
Кратко о роли
Ищем Senior Applied Scientist / MLOps Engineer для работы над проектом по обезличиванию данных и Privacy AI. Предстоит развивать классификаторы данных и разрабатывать NER-модели для поиска ПДн в неструктурированных текстах.
Ключевые задачи
- Развитие ML-модели (RandomForest) для классификации данных в БД.
- Обучение модели распознаванию новых типов данных и повышение качества классификации.
- Оптимизация моделей для высокой скорости работы на CPU при сканировании БД объемом в ТБ.
- Разработка архитектуры и обучение NER-моделей для поиска ПДн в неструктурированном тексте.
- Работа с различными форматами файлов (TXT, DOCX, PDF) и логами.
- Реализация пайплайнов очистки и нормализации данных.
Обязательные требования
- Опыт разработки и внедрения ML-моделей в production от 3-х лет.
- Уверенное владение Python (pandas, numpy, scikit-learn).
- Глубокое понимание классических ML-алгоритмов и опыт обучения NER-моделей.
- Практический опыт работы с Hugging Face Transformers и/или SpaCy.
- Опыт оптимизации инференса моделей для работы на CPU.
- Опыт работы с большими объемами данных (ТБ+).
- Навыки работы с FastAPI, Docker, MLflow, DVC и CI/CD.
- Готовность возглавить направление и самостоятельно декомпозировать задачи.
Будет плюсом
- Опыт работы 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.
Условия и бенефиты
- Оплата: 1200–1500 рублей в час.
- Формат работы: удаленно (РФ).
- Оформление по договору с ИП.
- Долгосрочный проект.
- Возможность влиять на архитектуру AI-продукта с нуля.
- Работа с реальными Big Data задачами.
- Современный стек и отсутствие легаси.
Процесс найма
- Для отклика свяжитесь с рекрутером в Telegram.
Ищем Senior Applied Scientist / MLOps Engineer для работы над проектом по обезличиванию данных и Privacy AI.
Задачи:
1. Развитие классификатора данных для полей БД (Tabular ML): развитие существующей ML-модели (RandomForest), обучение распознаванию новых типов данных, повышение качества классификации, оптимизация для работы на CPU с БД объемом в несколько ТБ.
2. Создание модели для выявления данных в произвольном тексте (NLP / NER): разработка архитектуры и обучение NER-модели, работа с форматами TXT, DOCX, PDF, реализация пайплайнов очистки и нормализации данных.
Требования:
- Опыт разработки и внедрения ML-моделей в production от 3-х лет.
- Опыт ведения полного цикла: от исследования до мониторинга и ретренинга.
- Лидерские качества: готовность возглавить направление и нести ответственность за результат.
- Стек: Python (pandas, numpy, scikit-learn), классические ML-алгоритмы.
- NLP: опыт работы с Hugging Face Transformers и/или SpaCy, опыт обучения NER-моделей.
- Data Engineering: опыт построения пайплайнов обработки неструктурированных данных.
- Performance: опыт оптимизации инференса для CPU, работа с большими объемами данных (ТБ+).
- Production/MLOps: FastAPI, Docker, MLflow, DVC, CI/CD, мониторинг качества моделей.
Будет плюсом: опыт работы с классификаторами профилирования БД, распознавание специфических типов данных (VIN, карты), опыт в защите ПДн или антифрод-системах.
Условия:
- Оплата: 1200–1500 рублей в час.
- Формат: удаленно, РФ.
- Занятость: фуллтайм, долгосрок.
- Оформление: договор с ИП.
- Возможность влиять на архитектуру AI-продукта с нуля, работа с Big Data, современный стек.
Оригинальная вакансия:
https://t.me/Getitrussia/4512