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 контакт рекрутера