Данные и аналитика
Инженер машинного обучения
Превращает модели в надёжные сервисы: строит пайплайны обучения, выкладку и мониторинг качества.
Открыть интерактивный профильуровни, самопроверка, сравнение
Где работают
- Продуктовые IT-компании
- Финтех
- Рекомендательные системы
- Компьютерное зрение и NLP
Типичные задачи
- Обучить и сравнить модели по готовой постановкеОбучить варианты модели и сравнить по метрикам.Стандартная · с уровня Junior
- Построить пайплайн обучения моделиСделать обучение воспроизводимым и автоматическим.Комплексная · с уровня Middle
- Выкатить модель в productionУпаковать модель, протестировать и выкатить с откатом.Комплексная · с уровня Middle
- Настроить мониторинг качества моделиОтслеживать дрейф данных и падение качества.Комплексная · с уровня Middle
- Организовать разметку данныхОписать инструкцию, проверить качество разметки и согласованность.Комплексная · с уровня Middle
- Спроектировать ML-систему под продуктВыбрать архитектуру обучения и инференса под нагрузку.Системная · с уровня Senior
- Ускорить инференс моделиСнизить задержку и стоимость без потери качества.Системная · с уровня Senior
- Развивать MLOps-практики командыЗадать стандарты выкладки, мониторинга и экспериментов.Системная · с уровня Lead
- Собрать и развивать команду аналитикиНанимать людей, давать обратную связь, растить их до следующей ступени и расставаться с теми, кто не справляется.Комплексная · с уровня Team Lead
- Внедрить AI в работу командыВыбрать, какие задачи команда отдаёт AI, задать правила проверки результата и измерить эффект.Комплексная · с уровня Team Lead
Ключевые навыки
- Разработка и реализация кода
- Использование ML-фреймворков
- Написание чистого и переиспользуемого ML-кода
- Надёжность ML-кода и пайплайнов
- Построение пайплайнов данных для ML
- Деплой и версионирование моделей
- Эксплуатация и мониторинг ML-моделей
- Развитие MLOps-практик
- Проектирование ML-систем
- Оптимизация и масштабирование ML-систем
- Тестирование ML-моделей
- Оценка качества моделей
Предметные области
- Машинное обучение (ML)
- Рекомендации и ранжирование
- Компьютерное зрение
- NLP
- MLOps-платформа
Ступени роста
- JuniorЗадача, расчёт
- MiddleИсследование, модель или пайплайн
- SeniorОбласть продукта и смежники
- LeadНесколько направлений
- Team LeadКоманда (5–8)
- Head of DataНесколько команд
- CDOДанные компании
С кем работают
- Дата-сайентист
- Бэкенд-разработчики
- Инженеры данных
- Менеджер продукта