Фатима С. , Senior, Data Scientist
- Data Scientist
- Senior
- Опыт работы:
- От 3 до 6 лет
О специалисте
Разработка, внедрение и поддержка end-to-end ML-систем в продакшн Оптимизация производительности моделей (инференс, память, точность). Настройка MLOps-пайплайнов (CI/CD, мониторинг, версионирование). Работа с LLM, Computer Vision, Anomaly Detection, NLP Интеграция моделей в продуктовые сервисы и микросервисную архитектуру. Анализ данных, формулирование гипотез, проектирование признаков Обучение и валидация моделей машинного обучения Интерпретация результатов, подготовка отчетов и дашбордов Консультирование заказчиков, перевод бизнес-задач в ML-постановки. Проведение исследований и экспериментов для улучшения продуктов.
Примеры работ
Разработка end-to-end системы автоматической категоризации веб-страниц с использованием современных NLP-технологий. Система анализирует контент веб-страниц и присваивает им тематические категории для последующей аналитики и персонализации.
- Проектирование и реализация пайплайна обработки текстовых данных (веб-скрапинг, очистка, токенизация).
- Сравнительный анализ подходов к извлечению признаков: TF-IDF, word2vec (Gensim), контекстные эмбеддинги (BERT).
- Обучение и тонкая настройка (fine-tuning) модели Llama 3 для задачи классификации.
- Оптимизация производительности модели: устранение "галлюцинаций", увеличение скорости инференса в 3 раза.
- Интеграция локальной LLM (Qwen) в продакшн-окружение с обеспечением работы в реальном времени.
- Оптимизация инференса LLM с использованием vLLM, ONNX Runtime и TensorRT, что позволило ускорить обработку в 3.5 раза.
- Применение RLHF для калибровки уверенности модели на основе фидбека модераторов.
- Настройка мониторинга качества предсказаний и дрифта данных.
Создание с нуля Retrieval-Augmented Generation системы для интеллектуального поиска по корпоративной документации. Система позволяет находить релевантные документы по семантическим запросам и генерировать развернутые ответы на основе извлеченной информации.
- Разработка пайплайна индексации документов: парсинг PDF/DOCX, сегментация текста, создание эмбеддингов.
- Настройка векторной базы данных (ChromaDB) для хранения и поиска семантических эмбеддингов.
- Реализация RAG-архитектуры с каскадным поиском (семантический + ключевые слова).
- Оптимизация промптов и цепочек рассуждений (Chain-of-Thought) для улучшения релевантности ответов.
- Создание системы оценки качества поиска (метрики Recall@K, MRR, человеческая оценка).
- Разработка комплексной системы оценки с метриками BLEU.
- Проведение A/B тестирования различных моделей эмбеддингов и реранкеров.
Реализация системы автоматической генерации технической документации на основе исходного кода. Решение помогает разработчикам поддерживать актуальную документацию, снижая manual work на 70%.
- Разработка двухэтапного пайплайна: извлечение структуры кода → генерация описаний.
- Сложный промпт-инжиниринг с использованием шаблонов few-shot и chain-of-thought.
- Дообучение Llama 3 на датасете пар "код-документация" с применением LoRA/PEFT.
- Создание системы валидации сгенерированной документации (синтаксическая и семантическая проверка).
- Интеграция с CI/CD для автоматической генерации документации при коммитах.
- Оптимизация стоимости инференса через квантизацию и кэширование.
Разработка системы детекции мошеннических паттернов в рекламных аукционах с использованием методов глубокого обучения для поиска аномалий.
- Сбор и анализ данных о поведении пользователей в рекламных аукционах (100M+ событий).
- Проектирование и обучение вариационного автоэнкодера (VAE) для reconstruction-based anomaly detection.
- Эксперименты с различными архитектурами: стандартные AE, VAE, Adversarial Autoencoders.
- Калибровка порогов обнаружения для минимизации ложных срабатываний при сохранении высокой recall.
- Разработка системы интерпретации аномалий (SHAP/LIME для объяснения предсказаний).
- Интеграция модели в продакшн с near-real-time инференсом (задержка < 100 мс).
- Создание дашбордов для мониторинга эффективности системы.
Исследование и разработка системы компьютерного зрения для автоматического анализа изображений и определения оптимальных позиций для размещения in-image рекламы.
- Сбор и аннотирование датасета изображений (50k+ изображений с bounding boxes).
- Сравнительный анализ моделей детекции объектов: YOLOv5, Faster R-CNN, RetinaNet, DETR.
- Тонкая настройка (fine-tuning) предобученных моделей на доменных данных.
- Оптимизация модели для баланса между точностью и скоростью инференса.
- Разработка алгоритма выбора рекламных мест на основе семантики объектов и композиции изображения.
- Создание прототипа системы для оценки бизнес-метрик (CTR, engagement rate).
- Подготовка технико-экономического обоснования для внедрения в продакшн.
Образование
Оставьте заявку и, наша команда в кратчайшие сроки подберёт необходимого специалиста за вас!
Помните, что заключение договора и оплата услуг происходит после того, как вы выбрали специалиста
