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

Описание вакансии

#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 Откликнуться