yandex
УдалённоКонтракт

ML-инженер (проект по обезличиванию данных)

ИИОценка ИИ

Интересный проект в актуальной нише защиты данных с использованием современных библиотек (SDV, Transformers). Формат ИП и удаленная работа — это плюс, но отсутствие указанной вилки зарплаты снижает прозрачность.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.


Вакансия из открытого источника
Пожаловаться

Сложность вакансии

ЛегкоСложно
ИИОценка ИИ

Вакансия требует специфического опыта работы с генеративными моделями для табличных данных (CTGAN, TVAE) и глубоких знаний в NLP (NER). Также необходимы навыки MLOps для вывода моделей в продакшен.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Анализ зарплаты

Медиана320 000 ₽
Рынок250 000 ₽ – 450 000 ₽
ИИОценка ИИ

Для ML-инженера с опытом от 3 лет и навыками в области синтетических данных и NLP рыночная вилка в России составляет от 250 000 до 400 000 рублей. Данная позиция соответствует уровню Senior или крепкого Middle+.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Сопроводительное письмо

Составьте сопроводительное письмо под эту вакансию с вашим резюме

Иллюстрация сопроводительного письмаИллюстрация сопроводительного письма

Описание вакансии

По сотрудничеству в формате ИП ищем на проект ML-инженера (проект по обезличиванию данных), проект долгосрочный

-Опыт работы от 3 лет в роли ML-инженера / Data Scientist

  • Опыт разработки и внедрения ML-моделей в продакшен.
  • Python, pandas, numpy, scikit-learn.
  • Опыт работы с NLP-инструментами: SpaCy, Hugging Face Transformers
  • Практический опыт построения пайплайнов обработки неструктурированных данных.
  • Очистка, нормализация, feature engineering
  • Извлечение сущностей (NER).
  • Понимание и опыт применения деревьев решений и ансамблей (Random Forest).
  • Умение интерпретировать результаты, подбирать гиперпараметры, оценивать риски переобучения.
  • Опыт работы с CTGAN и TVAE (библиотека SDV или аналоги): обучение, подбор гиперпараметров.
  • Privacy-проверки
  • Контейнеризация (Docker)
  • Развертывание моделей через API (FastAPI/Flask).

-Версионирование моделей и данных (MLflow/DVC)

  • Понимание CI/CD-процессов

Писать в ТГ Откликнуться

Спасибо!

Больше похожих вакансий + автоотклики с ИИ

Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Больше похожих вакансий + автоотклики с ИИ

Навыки

  • Python
  • NumPy
  • Pandas
  • CI/CD
  • Transformers
  • Random Forest
  • NLP
  • Scikit-learn
  • Docker
  • MLflow
  • FastAPI
  • DVC
  • Flask
  • Hugging Face
  • spaCy
  • NER
  • CTGAN
  • TVAE
  • SDV

Возможные вопросы на собеседовании

Проект посвящен обезличиванию данных, поэтому важно понимать, как кандидат оценивает качество синтетики.

Какие метрики вы используете для оценки качества синтетических данных, сгенерированных с помощью CTGAN или TVAE?

NER является ключевым этапом в задачах деидентификации.

Как вы подходите к задаче извлечения персональных данных (PII) в неструктурированных текстах с использованием SpaCy или Transformers?

Вакансия предполагает работу с конфиденциальными данными.

Какие методы Privacy-проверок (например, Differential Privacy) вы применяли на практике?

Требуется опыт внедрения в продакшен.

Расскажите о вашем опыте построения CI/CD пайплайнов для ML-моделей с использованием DVC и MLflow.

Проект долгосрочный и требует стабильных решений.

С какими основными проблемами вы сталкивались при обучении GAN-моделей на табличных данных и как их решали?

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Похожие вакансии

N
NDA
Россия
более 1000 офферов получено
4.9

1000+ офферов получено

Устали искать работу? Мы найдём её за вас

Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!