მანქანური სწავლების ინჟინერი (მარშრუტიზაცია)

ანდერსენი აყვანის მანქანური სწავლების ინჟინერს (მარშრუტიზაცია) პროექტისთვის, რომელიც ავითარებს მანქანური სწავლების გადაწყვეტილებებს რეალურ დროში მარშრუტიზაციის ოპტიმიზაციის, ETA პროგნოზირებისა და დიდი მოცულობის გეოსივრცული მონაცემების დამუშავებისთვის. მ zákazველი არის გლობალური საინვესტიციო მენეჯმენტის კომპანია, რომელიც უზრუნველყოფს მორგებულ საინვესტიციო გადაწყვეტილებებს ინსტიტუციური და კერძო კლიენტებისთვის. იგი აერთიანებს ფინანსურ ექსპერტიზას გრძელვადიანი საინვესტიციო სტრატეგიებით, რათა დაეხმაროს კლიენტებს თავიანთი მიზნების მიღწევაში, ბაზრის ცვალებადი პირობების ადაპტირებისას. ორგანიზაცია ფოკუსირებულია ინოვაციებზე, პასუხისმგებლიან ინვესტირებაზე და ოპერატიულ სრულყოფილებაზე, მუდმივად აძლიერებს თავის შესაძლებლობებს მდგრადი ღირებულების მიწოდებისა და გრძელვადიანი ზრდის მხარდაჭერისთვის. პროექტი ფოკუსირებულია მანქანური სწავლების გადაწყვეტილებების შემუშავებაზე, რათა გააუმჯობესოს ETA სიზუსტე და მარშრუტიზაციის ხარისხი მასშტაბით. იგი მოიცავს წარმოების ხარისხის ML მოდელების აგებას, დიდი მოცულობის გეოსივრცული მონაცემების დამუშავებას და დაბალი შეყოვნების ინფერენციული სისტემების დანერგვას რეალურ დროში მარშრუტიზაციის ოპტიმიზაციისთვის.

პასუხისმგებლობები

• მარშრუტიზაციის ძრავის ETA შეფასებების გამოსასწორებლად და გასაუმჯობესებლად ML მოდელების დიზაინი და აგება, გრადიენტური გაძლიერებული ხეებიდან ნეირონული და ტრანსფორმატორული არქიტექტურებით, მონაცემების მასშტაბის ზრდასთან ერთად.
• ტრაფიკის შეფასების მოდელების შემუშავება, რომლებიც დიდი მოცულობის GPS მონაცემებს გადააქვთ გზის დონის სიჩქარეზე და ისტორიული ტრაფიკის პროფილებზე და კვებავენ მათ მარშრუტიზაციის ძრავში, რათა წარმოადგინონ დღის დროის გათვალისწინებით ETA.
• მუშაობა რუკის დამთხვევაზე, რომელიც ხმაურიან GPS მონაცემებს გადააქვს გზის გრაფიკზე და სივრცით აგრეგაციებზე, რომლებიც მოძრაობისა და სიჩქარის მონაცემებს ხდის მოდელირებისთვის გამოსადეგარ.
• ETA გაანგარიშების, გათლილებისა და მარშრუტის ლოგიკის გაუმჯობესება, რათა დაიხუროს სხვაობა პროგნოზირებულ და რეალურ ჩამოსვლის დროებს შორის ცვალებადი პირობების მიხედვით.
• მარშრუტიზაციისა და ETA მიზნების გადათარგმნა ML მიზნებში სწორი პროქსი მეტრიკებით და არაფუნქციური მოთხოვნებით, დანაკარგების ფორმულირების ჩათვლით, სადაც არასწორი და გადაჭარბებული პროგნოზირება სხვადასხვა ხარჯებს იწვევს.
• შეფასების წარმართვა ბოლომდე, ოფლაინ სიზუსტისა და მარშრუტიზაციის ხარისხის მეტრიკებიდან ონლაინ ექსპერიმენტების დიზაინამდე, ჩრდილოვანი ტესტებისა და ინტერფერენციის გათვალისწინებული დიზაინების ჩათვლით, როგორიცაა გადართვები და ცვლილების დამტკიცება სიზუსტის გაუმჯობესებამდე მისი გაგზავნამდე.
• უკანა ინჟინერებთან პარტნიორობა, რათა მოდელები პროტოტიპიდან დაბალი შეყოვნების წარმოების სერვირებამდე მიიყვანონ, რომლებიც აკმაყოფილებენ მკაცრი შეყოვნებისა და გამტარუნარიანობის მიზნებს.
• პროდუქტისა და ოპერაციების პარტნიორობა მარშრუტიზაციისა და ტრაფიკის ანალიზის კონკრეტულ მახასიათებლებად და მოთხოვნებად გადაქცევისთვის და ETA შესაძლებლობების გაფართოებაში სხვადასხვა ვერტიკალებში.
• წარმოების ML ცხოვრების ციკლის მფლობელობა – სერვირება, მონაცემების და კონცეფციის დრიფტის მონიტორინგი და გადამზადების მილსადენების აგება, რომლებიც ხარისხს იცავენ ტრაფიკის შაბლონების, ქალაქებისა და რუკის ცვლილებისას.

მოთხოვნები

• მანქანური სწავლების ინჟინერიის 5+ წლიანი გამოცდილება, მათ შორის მინიმუმ 3+ წელი ღრმა სწავლების მოდელების აგება და დანერგვა წარმოებაში.
• პირდაპირი გამოცდილება რეგრესიის, პროგნოზირების ან პროგნოზირების მოდელებთან ცხრილის, დროის სერიების ან მოვლენის მონაცემებზე (მაგალითად, მიწოდების დრო, მოთხოვნა, ფასი, ლოგისტიკა), მათ შორის გრადიენტური გამაძლიერებელი (XGBoost, LightGBM, CatBoost).
• ექსპერტული დონის ცოდნა Python და SQL ენებზე, ასევე ძირითადი მონაცემთა მეცნიერების ბიბლიოთეკებზე (PySpark, Pandas, NumPy, Scikit-learn, PyTorch).
• ML სისტემის დაპროექტების შესაძლებლობა ნულიდან, მონაცემთა ანალიზის, მონაცემთა დამუშავებისა და ფუნქციების ინჟინერიის ჩათვლით, ნედლი ლოგებიდან მოდელის მომსახურეობამდე წარმოებაში.
• გამოცდილება ბიზნეს მიზნის ML პრობლემად გადაქცევაში სწორი პროქსი მეტრიკებითა და არაფუნქციური მოთხოვნებით, და A/B ტესტების, გადართვის ან ფარული ექსპერიმენტების და სტატისტიკური შეფასების დიზაინი ან შეტანა, რომლებიც ამტკიცებენ ბიზნეს გავლენას.
• MLOps ინსტრუმენტებისა და პრაქტიკის გამოყენების გამოცდილება ML მოდელის სრული ცხოვრების ციკლის სამართავად, მონიტორინგისა და ავტომატური გადამზადების ჩათვლით.
• მოდელების დანერგვის გამოცდილება ML ინფრასტრუქტურაზე, დაბალი შეყოვნების აქცენტით, და პრაქტიკული ცოდნა იმისა, თუ როგორ უნდა გამოვლინდეს და ვმართოთ კონცეფციის დრიფტი.
• ინგლისური ენის დონე – ზედა-სредო და ზემოთ.

სასურველია

• საგნის სიღრმისეული ცოდნა ETA / მოგზაურობის დროის პროგნოზირებაში, ტრაფიკის შეფასებაში ან მარშრუტიზაციის ძრავის ხარისხში.
• ღია კოდის მარშრუტიზაციის ძრავებთან (მაგალითად, Valhalla, OSRM, GraphHopper) და ცნებებთან მუშაობის გამოცდილება, როგორიცაა რუკის მატჩინგი, სიჩქარის პროფილები, საგზაო-გრაფიკის ფილები და ისტორიული ტრაფიკი.
• გამოცდილება რუკების, ადგილმდებარეობის ან გეოსპაციური პროდუქტების შექმნაში.
• განვითარებადი ბაზრებისთვის შექმნილი გამოცდილება, სადაც ძირითადი რუკისა და მისამართის მონაცემები სუსტია.
• გამოცდილება ღრუბლოვანი მონაცემებისა და ML პლატფორმებთან, როგორიცაა BigQuery ან Databricks (სერთიფიკატები პლუსია), და განაწილებული ღრმა სწავლების ტრენინგით.

ანაზღაურება: 2800–4550 ევრო თვეში.