Адресг. Санкт-Петербург, Приморский проспект, Д. 70;корпус: СТР. 1;офис/квартира: ПОМЕЩ. W5.11
Требования к кандидату
Образование: высшее образование — специалитет, магистратура
Опыт работы: от 6 лет
Квалификация: Ведущий разаработчик
Навыки: APIs, Навык работы с Python / Питон, Компьютерное зрение (распознавания образов, изображений) / Сomputer vision (image recognition), Нейронная сеть / нейросеть / neural networks (NNs) / neural nets, Обработка естественного языка / Natural language processing (NLP), Большая языковая модель / Large language model (LLM), APIs, Навык работы с Python / Питон, Компьютерное зрение (распознавания образов, изображений) / Сomputer vision (image recognition), Нейронная сеть / нейросеть / neural networks (NNs) / neural nets, Обработка естественного языка / Natural language processing (NLP), Большая языковая модель / Large language model (LLM)
Понимание и практический опыт полного ML-цикла: от идеи до внедрения
Знание подходов обучения с учителем и без учителя (classification, clustering и пр.)
Умение формулировать и проверять гипотезы, объяснять результаты и доносить их до бизнеса
Уверенная работа с большими объёмами данных (в том числе SQL + Python)
Опыт работы с open-source LLM или интеграцией LLM API (YandexGPT, Claude, LLaMA, Mistral и пр.)
Навыки визуализации данных (matplotlib, seaborn, plotly)
Опыт внедрения ML-решений в production (API, Docker, CI/CD будет плюсом)
Умение работать в команде и самостоятельно вести проект от задачи до результата
Высшее образование (математика, прикладная информатика, ИТ или смежные области)
Опыт в Data Science / ML от 3 лет
Владение Python, средний уровень SQL
Плюсом будет опыт разработки и запуска ML-бэкендов, чат-ботов, ML-ассистентов или систем на основе LLM
Место работы и занятость
График: неполный рабочий день/неполная рабочая неделя
Занятость: дистанционная (удаленная) работа
Место работы: г. Санкт-Петербург, Приморский проспект, Д. 70;корпус: СТР. 1;офис/квартира: ПОМЕЩ. W5.11
Подходит для: инвалид
Описание
Участвовать в полном цикле DS/ML-проектов: от сбора данных до внедрения готового ML-решения в production
Решать бизнес-задачи с помощью ML и LLM: предлагать подходящие решения, проверять гипотезы, обосновывать выбор
Проводить анализ данных: сбор, чистка, визуализация, подготовка отчётности
Создавать и обогащать фичи для ML-моделей
Обучать и внедрять ML-модели (open-source и кастомные решения)
Участвовать в разработке и автоматизации пайплайнов: от данных до внедрения моделей (в том числе через API и в чат-ботах)
Интегрировать LLM для автоматизации внутренних процессов и клиентских взаимодействий (боты, ассистенты, поиск, генерация)