Сбор данных из внутренних сервисов, LLM Gateway, GitLab, Jira, логов AI-агентов и других источников. Проектирование и наполнение баз данных и аналитических витрин для оценки использования CodeGen-платформы.
УдалённоГеография найма не уточнена
JКомпания не указана
45
Управление вакансиями скоро появится
Скрытые компании и отметки о просмотре ещё не подключены.
• Полный цикл разработки моделей: Проектирование, обучение, валидация и внедрение скоринговых и предиктивных моделей для оценки кредитоспособности заемщиков.
проектировать, запускать и поддерживать процессы сбора, обработки, разметки и валидации данных; формулировать требования к датасетам совместно с командами Computer Vision, NLP и AI;
УдалённоГеография найма не уточнена
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Настройте подбор, и подходящие вакансии будут приходить в Telegram.
-Участвовать в разработке и поддержке моделей кредитного риска для юридических лиц. -Анализировать данные, создавать признаки, реализуя Feature store, и отбирать признаки для моделей.
ГибридСтажёрГеография найма не уточнена
JКомпания не указана
23
Управление вакансиями скоро появится
Скрытые компании и отметки о просмотре ещё не подключены.
• Взаимодействие с data scientists, инженерами, аналитиками и бизнес-стейкхолдерами. • Коммерческий опыт в ML/ML Engineering от 3 лет, уровень Middle+ / Senior.
-Разрабатывать и развивать ETL-системы, которые обеспечивают данными различные предметные области: продажи, учёт, логистику. -Анализировать данные и проектировать структуры данных под аналитические потребности различных бизнес-подразделений.
Организация пайплайнов потоков данных (конвейера движения данных в компании); Разработка, поддержка и оптимизация производительности Корпоративного Хранилища Данных (EDWH);
разработка и автоматизация пайплайнов репликации данных с Qlik Replicate (CDC, стриминг в Kafka/Redshift); настройка источников (SQL, NoSQL) и целей (data warehouse, облако);
Предстоит: Проектировать и внедрять ML-решения (от классического регрессионного анализа до Time Series и Uplift-моделей); Строить высокопроизводительные пайплайны обработки данных и генерации признаков на PySpark;
Разработкой AI агентов на основе современных генеративных сеток (GigaChat и OpenSource); Разработкой системы офлайн- и онлайн-метрик для оценки качества LLM-приложений;
проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы (индексация, ретривал, ранжирование, генерация). разрабатывать автономных AI-агентов с использованием планирования, вызова инструментов (function calling) и мультиагентной оркестрации.
На проекте банковского заказчика предстоит создавать AI-агентов, строить MLOps-инфраструктуру и работать с данными для ML. создавать AI-агенты и платформы для них;