Старший специалист по прикладному ИИ / MLOps-инженер (Privacy AI)

Старший специалист по прикладному ИИ/MLOps-инженер для Privacy AI - деидентификация данных. Полная занятость, удаленно в России, договор с ИП, 1200-1500 руб./час.

Разработка классификатора данных для полей баз данных (табличные ML):\n- Улучшение существующей модели RandomForest для идентификации персональных данных в полях БД на основе метаданных и значений, включая новые типы (VIN, специфические идентификаторы) и смешанные данные (имена, адреса, телефоны).\n- Оптимизация модели для высокоскоростного инференса на CPU для сканирования баз данных объемом в несколько ТБ.\nСоздание NER-модели для обнаружения персональных данных в неструктурированном тексте (NLP/NER):\n- Проектирование архитектуры и обучение NER-модели для неструктурированных текстов.\n- Обработка различных форматов файлов (TXT, DOCX, PDF, логи).\n- Реализация пайплайнов для очистки и нормализации зашумленных данных.

Опыт и лидерство:\n- Более 3 лет опыта в разработке и внедрении ML-моделей в продакшн.\n- Полный цикл: от исследования и постановки задачи до мониторинга качества и настройки автоматического переобучения.\n- Лидерство: готовность вести направление, декомпозировать бизнес-задачи в технические и брать на себя ответственность за результат.\nТехнический стек (Python и ML):\n- Уверенное владение Python (pandas, numpy, scikit-learn).\n- Глубокое понимание классических ML-алгоритмов (деревья решений, ансамбли, RandomForest), умение интерпретировать результаты (Feature Importance) и настраивать гиперпараметры.\nNLP:\n- Практический опыт с Hugging Face Transformers и/или SpaCy.\n- Обязательный опыт обучения NER-моделей.\nИнженерия данных:\n- Опыт создания пайплайнов для неструктурированных данных (PDF, текст).\n- Feature Engineering для табличных данных.\nПроизводительность и инфраструктура (MLOps):\n- Опыт оптимизации инференса моделей для CPU.\n- Опыт работы с большими объемами данных (полное сканирование баз данных от нескольких ТБ).\n- Опыт развертывания моделей через API (FastAPI), контейнеризация (Docker).\n- MLOps: инструменты версионирования (MLflow, DVC), понимание CI/CD процессов, опыт настройки мониторинга качества моделей (Model Drift, Quality Gates) и автоматического переобучения.\nБудет плюсом:\n- Опыт с классификаторами для профилирования данных БД.\n- Опыт распознавания специфических типов данных (VIN, номера карт, криптоадреса).\n- Опыт в защите персональных данных, деидентификации данных или системах антифрода.

Возможность влиять на архитектуру сложного AI-продукта с нуля.\nРабота с реальными задачами Big Data (TB+).\nСовременный стек и отсутствие легаси-кода.\nДоговор с индивидуальным предпринимателем.\nОплата: от 1200 до 1500 руб./час.\nПолная занятость, долгосрочно.