Разработка машинного обучения — удалённая работа в Санкт-Петербурге

Пожелания и особенности: Модель представляет из себя диффузионную модель для генерации временных рядов, она уже готова (можно создать свою, если так будет проще). Её необходимо доработать в соответствии с чёткими указаниями: могу расписать подробно, какие улучшения и как должны быть произведены, саму модель также могу предоставить. Примерный список задач: 1) настройка размерностей входов и выходов модели 2) добавление позиционного кодирования и лейблинга данных 3) дальше усложняем архитектуру: в диффузионной модели – Unet с одномерными свертками + Residual блоки с skip-connection механизмом, а также FiLM для кодирования условия, функция активации везде SiLU(). 4) если всё корректно, то дальше на вход и выход модели добавляем AE/VAE для кодирования рядов в латентное подпространство и обратно. Этапы могу расписать подробнее и отдельно пояснить, если что-то непонятно.

Установить на сайт нейросеть и обучить её.

Техническое задание Цель проекта: разработать модель машинного обучения для прогнозирования завоза отходов на заводы по обработке с учётом дня недели, месяца и типа отходов. Задачи проекта: 1. Проанализировать базы данных, размещённые в Yandex Cloud, для использования в модели машинного обучения. 2. Выбрать оптимальный способ расчёта метрик ошибок для оценки качества модели. 3. Разработать модель, которая будет учитывать день недели, месяц и тип отходов при прогнозировании завоза отходов. 4. Обучить модель на подготовленных данных. 5. Протестировать модель и оценить её точность. 6. Внедрить модель в систему прогнозирования завоза отходов. 7. Обеспечить возможность обновления модели новыми данными. 8. Предоставить рекомендации по использованию модели для принятия решений о завозе отходов. Требования к модели: • Модель должна учитывать исторические данные о завозе отходов на заводы. • Модель должна быть способна прогнозировать завоз отходов с учётом дня недели (выходной или рабочий день), месяца (сезонность) и типа отходов. • Точность прогноза должна быть не менее 95%. • Модель должна иметь возможность обучения на новых данных. • Модель должна предоставлять результаты в виде прогноза завоза отходов на определённый день.

Всем привет! В AIP мы фокусируемся на подходе «peer-to-peer» между коллегами, чтобы достичь нашей амбициозной цели стать лучшей фирмой HFT как для наших сотрудников, так и для наших партнеров. В настоящее время мы ищем инженера машинного обучения в нашу команду Ваши задачи: -Решение задач на стыке математики и финансов -Проведение исследований, связанных с поведением участников рынка Требования: -Практический опыт в машинном обучении -Практический опыт в аналитике данных -Навыки программирования на Python и базами данных -Знание и экспертиза в области вероятности и статистики Будет преимуществом: -Высшее образование в области математики, физики, вычислительной техники или другой количественной области -Знание эконометрики, финансовой математики, опыт торговли -Опыт исследований Что мы предлагаем: -Удаленное сотрудничество -Дружелюбная профессиональная среда -Современные и сложные проекты с использованием технологий машинного обучения -Возможность профессионального и финансового роста -Гибкий рабочий график.

Учебные задания по word2vec.

.