О позиции
Мы ищем Geo-ML инженера для работы с классическими методами машинного обучения на табличных данных. Ваша задача будет заключаться в применении бустинговых алгоритмов, таких как CatBoost, XGBoost и LightGBM, а также в проведении feature engineering и валидации моделей.
Чем вы будете заниматься
- Работа с классическими ML на табличных данных, включая бустинги (CatBoost/XGBoost/LightGBM).
- Feature engineering и работа с признаками и метриками.
- Валидация моделей и обоснование выбора модели и метрики.
- Использование Python и SQL на продовом уровне.
Требования
- Опыт работы с классическими методами машинного обучения на табличных данных.
- Знание Python и SQL на продовом уровне.
- Понимание статистики и умение обосновать выбор модели и метрики.
Будет плюсом
- Опыт в графовом ML: GNN, graph embeddings, link prediction, PyG/DGL/NetworkX.
- Опыт в смежных направлениях: сетевой анализ, антифрод, рекомендации, маршрутизация.
- Работа с пространственными данными: OSM, PostGIS, H3/geohash, дорожные графы.
Что мы предлагаем
- Конкурентоспособная зарплата.
- Удалённая работа с гибким графиком.
- Возможности для профессионального роста и развития.
Кто здесь добьётся успеха
Глубокие знания в области Python и SQL для эффективной работы с данными и построения моделей.
Способность самостоятельно решать задачи и проводить исследования в области Geo-ML, что особенно важно в удаленном формате работы.
Опыт работы с бустинговыми алгоритмами (CatBoost, XGBoost, LightGBM) для разработки и оптимизации моделей машинного обучения.
Аналитическое мышление и внимание к деталям, что необходимо для проведения feature engineering и валидации моделей.
Ресурсы для обучения
Карьерный путь
Обзор рынка
Навыки и требования
Тренды отрасли
Новости AI/Big Data
Загружаем новости отрасли...
Ищем релевантные статьи за последние 6 месяцев