Starker Junior- oder Middle-Ingenieur für maschinelles Lernen in Artellence

Die neuesten Errungenschaften in der KI-Branche, im Verteidigungsbereich und bei der Lösung wichtiger sozialer Probleme der ukrainischen Gesellschaft haben wir in unserer Arbeit vereint. Möchten Sie sich an der Entwicklung von Weltklasse-Technologien beteiligen und gleichzeitig die Verteidigungsfähigkeit der Ukraine steigern? Du zu uns! 

Warum sollte die Stelle für Sie interessant sein?

• Wir entwickeln unsere eigenen KI-Tools für die Open-Data-Analyse, darunter Gesichtserkennungstechnologie, die zu den besten der Welt gehört
• Wir analysieren Petabytes an Daten aus offenen Quellen, identifizieren Personengruppen anhand von Fotos und erstellen ihre digitalen Fußabdrücke ... Fast wie in Black Mirror! Wir haben Interessantes, Außergewöhnliches und viel Tatendrang.
• An jeder Position bieten wir Handlungsspielraum, „Kreativität“, bieten auch schwierige Aufgaben an und helfen ihnen, diese zu lösen, was Ihnen eine sehr schnelle Lösung ermöglicht Verbessern Sie Ihre Fähigkeiten und sehen Sie die Ergebnisse Ihrer Arbeit
• Wir haben eine hohe Schwelle für den Beitritt zum Team, was es ermöglicht, mit den Besten an gemeinsamen Aufgaben zu arbeiten und gemeinsam neue Ideen zu entwickeln
< /ul>

 

< strong>Technische Voraussetzungen:

• Kaufmännische Erfahrung in MLE/DS ab 1 Jahr oder Erfahrung erfolgreicher Vorträge bei Hackathons/ Kaggle
• Tiefgehende Kenntnisse über Algorithmen und Datenstrukturen, tiefes Verständnis von OOP, tiefe theoretische und praktische Kenntnisse über maschinelles und tiefes Lernen
• Hohe Kenntnisse in Python, einschließlich Erfahrung mit maschinellem Lernen Bibliotheken und Besitz von mindestens einem der Deep-Learning-Frameworks (Tensorflow, Keras, PyTorch)
• Feature-Engineering-Erfahrung
• Git- und Docker-Erfahrung
• NoSQL und SQL Datenbankerfahrung
• NLP-Aufgabenerfahrung
>

 

Wird von Vorteil sein:

• Erfahrung mit MongoDB, Jupyter, Airflow und SQL
< li>Erfahrung mit Gesichts- und Objekterkennung
• Verständnis der Prinzipien der Parallelität in Python und Erfahrung mit relevanten Bibliotheken

 

Beispielprobleme:

• Verbesserung der Genauigkeit aktueller Modelle
• Entwicklung und Bereitstellung von Modellen in Produktionsumgebungen