Почему стоит выбрать нас?

Оптимизация производительности моделей и выбор эффективных алгоритмов обучения для продуктовых задач. Разработка пайплайнов предобработки данных, feature engineering и систем
мониторинга качества моделей в продуктиве.
Проектирование, разработка и улучшение классических алгоритмов/моделей машинного обучения для продуктов компании с учётом требований к производительности и работе в продуктиве. Внедрение алгоритмов кластеризации и детекции аномалий в продуктивные системы, оптимизация их производительности. Имплементация известных алгоритмов, архитектур и моделей машинного обучения на реальных данных компании/продукта с оценкой качества от этапа MVP до продуктивной системы.

Проведение исследований на данных, выдвижение гипотез, проведение экспериментов на данных (с ML или без) и визуализация результатов. Применение статистических методов для исследовательского анализа данных и построения базовых моделей. Сбор, очистка и предварительный анализ данных, включая визуализацию, снижение размерности, отбор значимых признаков. Участие в выстраивании процессов создания «чистых» данных в компании, оценка качества данных и предложение мер по их улучшению. Проведение exploratory data analysis, подготовка данных для обучения, оценка качества моделей различными метриками. Применение методов кластеризации для сегментации данных, визуализация
результатов понижения размерности, выявление аномалий.