ML Engineer/Data scientist (NLP)

Оптимизация Java-кода Android-приложений на основе машинного обучения

• Исследование и внедрение алгоритмов машинного обучения для обработки байт-кода Java.
• Извлечение функций кода исследования
• Принятие решений об архитектуре машинного обучения и обучающем наборе
• Исследование проблемы производительности реализации алгоритмов машинного обучения.
• Анализ конкурентоспособных решений машинного обучения

• Бакалавр/Магистр прикладной математики, прикладной статистики, компьютерных наук и т.п.
• 3 года практического опыта работы с распространенными платформами нейронной сети/глубокого обучения (Tensorflow, PyTorch/Caffe2) в производственной среде
• Способность работать в команде инженеров, не занимающихся машинным обучением (быть готовым ставить цели и выполнять разбивку работ по части проекта, связанной с машинным обучением)
• Понимание и практический опыт работы с «классическим» машинным обучением (k-NN, Naïve Bayes, SVM, леса решений и т. д.) и генетическими алгоритмами ML
• Опыт работы с техниками NLP (встраивание, word2vec, мешок слов и т.д.)
  Базовые знания C/C++ или Java
• Знание структур данных и сложности алгоритмов
• Английский (для написания документации и общения по электронной почте)

• Опыт работы с искусственным интеллектом на устройстве (TF/lite)
• Знание и опыт структурированного прогнозирования (структурированные SVM, графовые нейронные сети и т. д.)
• Опыт работы с NLP на основе NN (LSTM и т.д.)
• Опыт разработки ПО
• Понимание шаблонов проектирования программного обеспечения
• Понимание внутреннего устройства компилятора (например, LLVM) и оптимизации кода, опыт работы с парсерами кода
• Глубокое понимание архитектуры компьютерных систем
• Научная база (PhD, патенты, статьи)