• О Физтехе
  

  МФТИ является одним из ведущих технических вузов России. Институт по праву занимает лидирующее место по качественному приему абитуриентов и квалифицированной подготовке выпускников. Студенты и выпускники МФТИ являются представителями узкого круга лиц, которые, благодаря окружающим их возможностям междисциплинарного научного образования, могут в полной мере реализовать свой потенциал.

  • Общая информация
  • Руководство
  • Физтех-школы
  • Подразделения
  • Публикации в СМИ
  • МФТИ в рейтингах
  • История Физтеха
  • Сведения об образовательной организации
  • Партнеры
  • Абитуриенту
  • Профилактика коронавируса
  • Цели устойчивого развития
  • Физтех.Оплата
• Образование
  

  Уникальная ­­«Система обучения Физтеха» является одним из лучших подходов к образованию, что доказывает ее существование почти в неизменном виде уже более 60 лет. Получение фундаментального образования в области математики и физики, предварительное знакомство с избранной специализацией наряду с приобретением навыков самостоятельной работы уже на 4м курсе обеспечивают каждого студента объемом знаний и опыта полноценного ученого. Таким образом, к окончанию обучения студенты уже имеют значительные достижения в избранном ими направлении деятельности.

  • Дистанционное обучение
  • Открытые онлайн-курсы МФТИ
  • Институтские кафедры и департаменты
  • Преподаватели
  • Базовые и факультетские кафедры
  • Абитуриентам и школьникам
  • Иностранным гражданам
  • Повышение квалификации
  • Повышение квалификации ФПМИ
  • Диссертационные советы
  • Совместные программы
  • Аспирантура
• Наука и инновации
  

  Исследования в МФТИ охватывают широкий круг областей теоретической и экспериментальной физики, энергетики и биомедицины, химии и прикладной математики. Поддержка ряда государственных и частных научных и инвестиционных фондов позволяет нашим ученым каждый день вести разработки на переднем крае науки, чтобы сделать мир более совершенным, удобным и безопасным.

  • Лаборатории и научные центры
  • Центр коллективного пользования
  • Сопровождение научной деятельности
  • Визит-профессора МФТИ
  • Проект 5—100
  • Гранты и конкурсы
  • Программы развития
  • ФИП
  • Отдел по интеллектуальной собственности
  • Научно-технический совет
  • Конференции
  • Научные журналы МФТИ
  • База научных статей
  • Результаты интеллектуальной деятельности
  • Всероссийский конкурс научно-популярной журналистики «Импульс»
  • Экспертно-консультационная поддержка по вопросам внедрения программ развития
  • Публикационная активность
• Новости науки

Вакансии

NLP Engineer

• Основные внедряемые продукты и сервисы построены на базе NLP моделей:
• Ответы на вопросы по тексту;
• Открытые доменные вопросы;
• Распознавание именованных сущностей;
• Анализ тональности текста;
• Классификация интентов;
• Обнаружение оскорблений;

Обязанности:

• Участие в полном цикле разработки коммерческих продуктов на основе NLP-технологий, а именно:
• Участие в постановке задачи и создании технического задания по проекту;
• Участие в предварительной обработке и подготовке данных;
• Участие в создании программных продуктов и сервисов;
• Участие в работах по интеграции проекта клиенту;
• Участие в работах по сдаче проекта клиенту;
• Осуществление технической поддержки;
• Экспертиза и консультации;
• Участие в командной разработке;

Технические требования:

• Знание языка Python и библиотек ML и анализа данных (Scikit-learn, Pandas, Matplotlib, Numpy, Scipy, Sklearn);
• Практический опыт применения базовых моделей NLP (ngrams, skip-grams, td-idf и пр.);
• Опыт применения GloVe, ELMo, RNN, CNN, Transformer, BERT;
• Знание одного из Deep Learning фреймворков: Tensorflow, PyTorch;
• Уверенный пользователь OS Linux/Unix;
• Опыт работы с технологиями виртуализации (Docker и пр.);
• Опыт работы с Git;
• Опыт работы с SQL системами управления базами данных;
• Применение устройств распределенных систем хранения класса NoSQL (MongoDB, Tarantool, Neo4J и пр.);

Также приветствуется:

• Знание фреймворков и библиотек для NLP и анализа текстовых данных (DeepPavlov, Gensim, Bigartm, NLTK, Наташа, SpaCy);
• Знание классических алгоритмов и структур данных;
• Понимание принципов разработки моделей машинного обучения, в том числе Deep Learning алгоритмов;
• Опыт внедрения решений на базе ML в production;
• Предметная экспертиза в алгоритмах и архитектуре диалоговых и вопросно-ответных систем;
• Знание английского языка на уровне чтения технической литературы и научных статей, предпочтение отдается кандидатам со свободным разговорным языком;

Резюме отправлять на почту: merge@ipavlov.ai и shvabe.ai@mipt.ru