Если вы раньше входили через Google, сбросьте пароль для своей Gmail-почты через кнопку «Забыли пароль?» на экране входа. Затем войдите по email и новому паролю.
Если аккаунта ещё нет, зарегистрируйтесь с Gmail-почтой — после подтверждения почты мы предложим задать пароль.
Что нового
Загружаю обновления...
Что нового
Загружаю обновления...
Работа найдется быстрее с подпискойКандидат найдётся быстрее с подпиской
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
ROBOTMIA — продуктовая IT-компания, специализирующаяся на технологиях машинного обучения, искусственного интеллекта и понимания естественного языка. Компания развивает голосового ассистента и модуль определения автоответчиков, помогая клиентам повышать качество обслуживания и сокращать расходы. Среди клиентов — российские компании из сфер логистики, медицины и банковского сектора.
задачи
Анализировать большие объёмы аудиоданных и проводить EDA для поиска неочевидных закономерностей;
Формулировать гипотезы, связанные с бизнес-метриками, снижением операционных расходов и ростом точности детектирования;
Работать с сильным дисбалансом классов при классификации аудио;
Настраивать и применять алгоритмы кластеризации для выявления скрытых паттернов;
Исследовать и применять современные архитектуры нейронных сетей, включая CNN, RNN, LSTM и TCN;
Работать над задачами коррекции аудио и шумоподавления;
Управлять ML-экспериментами через ClearML и обеспечивать воспроизводимость результатов.
требования
Опыт в DS/ML от 3 лет с фокусом на результат;
Умение работать с большими базами данных ClickHouse и писать сложные аналитические запросы;
Опыт кластеризации данных с использованием K-Means, DBSCAN и иерархических методов;
Умение выбирать и настраивать архитектуры нейронных сетей для задач классификации;
Опыт решения задач классификации с сильным дисбалансом классов;
Знание Python, Pandas/NumPy, Scikit-learn, PyTorch и TensorFlow;
Знание библиотек для работы с аудио Librosa и torchaudio;
Опыт работы с ClearML; MLflow и Weights & Biases будут альтернативой;
Опыт разработки систем автоматического алертинга с мониторингом дрейфа, аномалий и падения метрик в продакшене;
Знание Git, Docker и Kubernetes, понимание CI/CD для ML;
Будет плюсом опыт с архитектурами RNN, LSTM, TCN, Transformer, WaveNet, решение задач Source Separation или шумоподавления, участие в Kaggle с задачами классификации несбалансированных классов, опыт работы с потоковыми данными и реальными продакшен-системами.
условия
Официальное трудоустройство в аккредитованной IT-компании;
Гибкий рабочий график 5/2;
Стабильная зарплата 2 раза в месяц, отпуска и больничные;
Персональный наставник;
Креативная дружная команда;
Удобный офис в Академгородке, в 2 минутах от станции Сеятель;