Чем нужно заниматься? Наполнение графа на основе внутренних и внешних источников; Поиск новых типов связей, в том числе на анализе транзакционных данных и анализа новостного потока; Исследование связанных сущностей (fraud detection, поиск оптимальных поручителей, влияние связанных компаний на платежеспособность клиентов и многое другое); Построение графовых эмбеддингов. Требования: необходимо предлагать новые идеи по используемым алгоритмам и определять бизнес задачи, где можно построить модели с применением ML; уверенное знание математики, статистики и машинного обучения; знание Python и классического ML-стэка (pandas, numpy, scikit-learn, xgboost); знакомство с DL фреймворками (pytorch или tensorflow); опыт работы/исследований в Knowledge Graph; знание графовых нейросетевых архитектур (GCN, GraphConv, GAT и т.д.); знакомство с библиотеками для работ с графовыми сетями, например, PyTorch Geometric; знакомство с графовыми БТ (ArangoDB будет плюсом); опыт работы с Hadoop/Spark.
Адрес
Москва