ML-инженер в Data Platform

<p><strong><span style="color: rgb(0, 0, 0)">Сформировать целевой образ AISDL/ML в Data Platform</span></strong></p><ul><li><p><span style="color: rgb(0, 0, 0)">Собрать и описать целевую картину ML в платформе данных: как должны выглядеть пайплайны, фичи, обучение, деплой, мониторинг, деградации, качество данных, governance</span></p></li><li><p><span style="color: rgb(0, 0, 0)">Формировать и продвигать ML-практики в рамках Data Platform и Dev Platform: observability, developer experience, аналитическая инфраструктура, производительность, типовые ошибки и паттерны</span></p></li></ul><p><strong><span style="color: rgb(0, 0, 0)">Решать прикладные ML-задачи</span></strong></p><ul><li><p><span style="color: rgb(0, 0, 0)">Работать с разметкой, классификацией и качеством данных, в том числе с чувствительными данными</span></p></li><li><p><span style="color: rgb(0, 0, 0)">Выявлять термины и сущности в глоссариях</span></p></li><li><p><span style="color: rgb(0, 0, 0)">Детектировать аномалии в запросах по перфомансу и c точки зрения информационной безопасности&nbsp;&nbsp;&nbsp;</span></p></li></ul><p><strong><span style="color: rgb(0, 0, 0)">Изучать Knowledge Graphs и автоматизированное наполнение</span></strong></p><ul><li><p><span style="color: rgb(0, 0, 0)">Изучать и прототипировать подходы к построению графов знаний, извлечению сущностей и отношений, нормализации, дедупликации, валидации</span></p></li><li><p><span style="color: rgb(0, 0, 0)">Прорабатывать автоматизированное наполнение KG на базе платформы данных для работы LLM с контекстом, в том числе для RAG, agents</span></p></li><li><p><span style="color: rgb(0, 0, 0)">Участвовать в выборе архитектуры хранения, обновления и доступа к контексту</span></p></li></ul><p><strong><span style="color: rgb(0, 0, 0)">Развивать культуру и обучение ML</span></strong></p><ul><li><p><span style="color: rgb(0, 0, 0)">Организовать внутренний центр компетенций по ML в платформе данных: консультации и поддержка сотрудников, воркшопы, кодлаб-сессии, гайды и шаблоны, культура шеринга и лучших практик</span></p></li></ul>