ML Инженер (Natural Language Processing & Recommender Systems)

Дата размещения вакансии: 28.10.2024
Работодатель: IntelligiChain
Уровень зарплаты:
з/п не указана
Город:
Нижний Новгород
Требуемый опыт работы:
От 3 до 6 лет

Обязанности:

  1. Выполнять анализ текстовых данных в контексте B2B индустрии, выявляя ключевые шаблоны и тенденции для лучшего понимания запросов клиентов.
  2. Разрабатывать и совершенствовать модели машинного обучения для обработки неструктурированных данных, поступающих в форме текстовых запросов от корпоративных клиентов.
  3. Обрабатывать и классифицировать запросы из электронной почты, создавая модели для автоматического выделения сущностей и понимания намерений.
  4. Генерировать персонализированные рекомендации для пользователей на основе результатов анализа данных и выводов моделей.
  5. Оценивать и улучшать точность и производительность существующих моделей для достижения высокой точности в ответах на клиентские запросы.
  6. Тестировать и оптимизировать ML-модели для повышения их эффективности и устойчивости, используя методы предобработки и аугментации текстовых данных.
  7. Сотрудничать с командой по продукту и аналитиками для внедрения и интеграции моделей в рабочие процессы.

Требования:

  1. Опыт работы в области Natural Language Processing (NLP), а также знание современных библиотек и методологий для анализа текстовых данных.
  2. Глубокое понимание принципов работы рекомендательных систем, включая опыт в создании и оптимизации моделей для персонализированных рекомендаций.
  3. Навыки тонкой настройки (файнтюнинга) языковых моделей для решения бизнес-задач, включая опыт работы с semi-supervised методами разметки данных и подходами Retrieval-Augmented Generation (RAG).
  4. Уверенные навыки программирования на Python и опыт работы с ключевыми ML/NLP библиотеками, такими как pandas, scikit-learn, TensorFlow или PyTorch.
  5. Понимание принципов работы с крупными языковыми моделями (например, BERT, GPT) и опыт их адаптации под конкретные задачи и требования бизнеса.
  6. Способность анализировать, оптимизировать и повышать эффективность существующих ML решений для достижения требуемой точности и производительности.

​​​​