Starszy analityk danych w CommIT

• Kompleksowe prace związane z nauką o danych, w tym inżynieria ML i prace MLops (około 50%)
• Opracowywanie, dostrajanie i wdrażanie modeli, w tym różne LLM i ML
• modele i różne domeny biznesowe
• Mierz, analizuj i oceniaj modele w fazie rozwoju i produkcji
• Buduj i agreguj zbiory danych w różnych domenach
• Wykonuj i doskonal inżynierię kontekstową
• Twórz modelowe POC w różnych domenach
• Przekształcaj modelowe POC na usługi produkcyjne w miarę dojrzewania POC

WYMAGANIA

• Wszelkiego rodzaju oznaki doskonałości (dokumenty, patenty itp.)
• Solidne zrozumienie w szczególności NLP i LLM
• Solidne zrozumienie pojęć matematycznych i statystycznych istotnych dla ML
• Doświadczenie w ocenie modeli – zaleta
• Doświadczenie z modelami w środowisku produkcyjnym – znacząca zaleta
• Doświadczenie z MLOps – znacząca przewaga
• Idealny zestaw konkretnych umiejętności:
• Języki programowania – Python, SQL
• LLM – rodzina GPT, rodzina Claude
• Frameworki ML – Pytorch, Tensorflow
• Frameworki danych – Numpy, Pandas
• Frameworki Pipeline – Huggingface, Langchain, WanDB/Traceloop/DeepChecks
• (zaleta)< /li>
• Dowolny rodzaj struktury wektorowych baz danych (Pinecone, QDrant, Faiss, PGVector itp.)
• Ekosystem AWS — Bedrock, Sagemaker, Knowledgebase — przewaga
• GCP/Azure biegłość w ekosystemie – przewaga