DetailsGradeSeniorWork formatRemoteEmploymentProject workAdditionalAdd to my applicationsAdd to my applicationsA cover letter for this jobAn email or a Telegram message to the recruiterWrite a letterDescriptionOriginal textAbout the roleWe are looking for a specialist for a data anonymization project.Requirements Experience as an ML Engineer / Data Scientist Leadership experience Experience in developing and implementing ML models into production Python, pandas, numpy, scikit-learn Experience with NLP tools: SpaCy, Hugging Face Transformers and/or equivalents Experience in solving entity extraction tasks (NER), training an NER model to identify personal data in arbitrary text Experience in building unstructured data processing pipelines Experience working with mixed data in a single column, recognizing new data types Understanding and experience applying decision trees and ensembles, Random Forest Ability to interpret results, select hyperparameters, and assess the risks of overfitting Containerization (Docker) Deploying models via API (FastAPI/Flask) Versioning of models and data (MLflow/DVC) Understanding of CI/CD processes BenefitsLocation: Moscow, RF Work Format: Remote Cooperation in the format of an Individual Entrepreneur. The project is long-term, Senior grade. Локация: Москва, РФ Формат работы: Удаленно Ищем специалиста на проект по обезличиванию данных. Сотрудничество в формате ИП. Проект долгосрочный, грейд Senior. Требования Опыт работы в роли ML-инженера / Data Scientist Опыт лидерской роли Опыт разработки и внедрения ML-моделей в продакшен Python, pandas, numpy, scikit-learn Опыт работы с NLP-инструментами: SpaCy, Hugging Face Transformers и/или аналогами Опыт решения задач извлечения сущностей (NER), обучение NER-модели для выявления ПДн в произвольном тексте Опыт построения пайплайнов обработки неструктурированных данных Опыт работы со смешанными данными в одной колонке, распознавание новых типов данных Понимание и опыт применения деревьев решений и ансамблей, Random Forest Умение интерпретировать результаты, подбирать гиперпараметры, оценивать риски переобучения Контейнеризация (Docker) Развертывание моделей через API (FastAPI/Flask) Версионирование моделей и данных (MLflow/DVC) Понимание CI/CD-процессов Откликнуться: контакт рекрутера?%Is this job a fit for you?We compare skills, grade, work format and salaryCompare with my resumeKey skillsPythonpandasNumPyscikit-learnSpaCyHuggingFace TransformersNamed-entity RecognitionDockerFastAPIFlaskMLflowDVCCI/CDRandom ForestSalary estimate1,920RUBper hourMost often 1,690 to 2,510
