Machine Learning Engineer

Job expired!

Об Appsilon

Appsilon — это пионерская программная компания и консультационный центр, известная своей продвинутой работой в области машинного обучения и систем поддержки принятия решений. Мы обслуживаем клиентов из списка Fortune 500 по всему миру, руководствуясь миссией оказания положительного воздействия на общество и окружающую среду. Специализируясь на жизненных науках, мы сосредотачиваемся на улучшении разработки лекарств, продвижении исследований в области молекулярной биологии и поддержке здравоохранения и сохранения биоразнообразия. Наш опыт в машинном обучении, в частности с R и Shiny, позиционирует нас как мирового лидера в этой области, способного решать сложные проблемы и инициировать значительные корпоративные проекты.

Ваша роль инженера по машинному обучению в Appsilon будет включать в себя следующие задачи:

  • Подготовка данных: Сбор и трансформация данных, проведение разведочного анализа данных и визуализация результатов.
  • Моделирование: Проектирование архитектур, определение функций потерь и мониторинг процессов обучения при оценке производительности модели.
  • Инженерные стандарты: Обеспечение модульности и воспроизводимости в данных и моделировании конвейеров и уточнение кода для повторного использования.
  • Инфраструктура и MLOps: Настройка и поддержка облачной инфраструктуры и практик MLOps в соответствии с требованиями проекта.
  • Взаимодействие с клиентами: Эффективное общение с клиентами, уточнение требований проекта и внесение технических продаж.

Обязательные требования

  • Не менее 2 лет соответствующего опыта.
  • Твердая основа программной инженерии с обширными знаниями Python и PyTorch.
  • Профессиональное владение инструментами для обработки данных и конвейерами машинного обучения.
  • Глубокое понимание как классических, так и передовых методик машинного обучения.
  • Отличные аналитические способности, умение решать проблемы и коммуникативные навыки.
  • Знание английского языка на уровне не ниже C1.

Желательные требования

  • Интерес или опыт в области жизненных наук.
  • Участие в общественных проектах или инициативах Data4Good.
  • История академических публикаций и опыт публичных выступлений.