О позиции
Мы ищем стажера ML инженера для работы в компании МТС. Эта позиция стажера ML инженера предлагает уникальную возможность погрузиться в мир машинного обучения и работать с реальными данными. Вы будете исследовать наборы сырых данных для поиска нужных фичей и разрабатывать модели, которые помогут улучшить рекламные кампании.
Чем вы будете заниматься
- Исследовать наборы сырых данных для поиска нужных фичей.
- Составлять требования к витринам данных, необходимым для разработки моделей машинного обучения.
- Строить модели скоринга клика, целевого действия, видимости баннера и фродового трафика.
- Анализировать весь пайплайн моделей платформы и находить новые подходы к приоритезации баннеров и кампаний в рекламных аукционах.
- Сопровождать процесс постановки на регламент процессов в Airflow и консультировать Data Engineer.
- Разрабатывать AutoML пайплайны для препроцессинга фичей на Python и Go.
- Сопровождать A/B-тесты моделей и предоставлять обратную связь о тестировании.
Требования
- Понимание статистических подходов и методов, таких как регрессия и проверка гипотез.
- Опыт применения классических алгоритмов машинного обучения (LR, RF, XGBoost/LGBM/CatBoost).
- Приветствуется опыт работы над задачами анализа текста и изображений.
- Знание базовых алгоритмов по направлениям: dimensionality reduction, object detection, text extraction.
- Высокий уровень владения SQL и опыт работы в распределённых вычислениях на Spark.
- Опыт разработки на Go или желание его получить.
- Опыт работы с Linux и Docker будет плюсом.
Будет плюсом
- 3-6 курс бакалавриата, специалитета или магистратуры.
Что мы предлагаем
- Конкурентная зарплата и возможность профессионального роста.
- Работа в дружной команде профессионалов.
- Гибкий график и возможность удаленной работы.
- Доступ к современным технологиям и инструментам.
- Обучение и развитие в области машинного обучения.
Вакансия предлагает интересные задачи в области машинного обучения, но требует значительных знаний и навыков. Хорошая возможность для студентов и начинающих специалистов.
Кто здесь добьётся успеха
Глубокое понимание алгоритмов машинного обучения, включая регрессию, деревья решений и нейронные сети, с опытом работы в Python и библиотеке scikit-learn.
Самоорганизованность и способность к самообучению, что особенно важно для удаленной работы, чтобы эффективно справляться с задачами без постоянного контроля.
Опыт работы с большими данными, включая использование Spark для обработки данных и Airflow для автоматизации рабочих процессов.
Ресурсы для обучения
Карьерный путь
Обзор рынка
Навыки и требования
Тренды отрасли
Новости AdTech
Загружаем новости отрасли...
Ищем релевантные статьи за последние 6 месяцев