MLOps Engineer для классификатора данных

Требуется опытный Applied Scientist / MLOps Engineer для работы над проектами по обезличиванию данных и Privacy AI. Основные задачи включают развитие существующей ML-модели (RandomForest) для классификации данных в полях баз данных (Tabular ML), а также создание новой NER-модели для выявления персональных данных в произвольном тексте (NLP).

В рамках развития классификатора данных необходимо обучать модель распознаванию новых типов данных (VIN-номера, специфические идентификаторы), повышать качество классификации и решать задачи со «смешанными данными». Важным аспектом является оптимизация модели для высокой скорости работы на CPU при сканировании баз данных объемом в несколько терабайт.

При создании модели для выявления данных в тексте предстоит разработать архитектуру и обучить NER-модель для поиска персональных данных в неструктурированном тексте, работая с различными форматами файлов (TXT, DOCX, PDF) и логами. Также потребуется реализация пайплайнов очистки и нормализации «шумных» данных.

От кандидата ожидается опыт разработки и внедрения ML-моделей в production от 3 лет, умение вести полный цикл проекта от исследования до мониторинга. Необходимы глубокие знания Python (pandas, numpy, scikit-learn), классических ML-алгоритмов, опыт работы с Hugging Face Transformers и/или SpaCy, а также построения пайплайнов обработки неструктурированных данных. Важен опыт оптимизации инференса моделей для CPU, работы с большими объемами данных, развертывания моделей через API (FastAPI) и контейнеризации (Docker). Требуется владение инструментами MLOps (MLflow, DVC) и понимание CI/CD-процессов, а также опыт настройки мониторинга качества моделей и автоматического ретренинга.