Войти

Специалист по машинному обучению

Описание профессии
2422-2-009
Специалист по машинному обучению
Профессиональный стандарт
Паспорт профессионального стандарта
Связь с другими профессиями
Карта профессий
Правила признания
Реестр профессий
Описание
Основная цель
Разработка алгоритмов для реализации методов машинного обучения
Требования к личностным компетенциям
  • Ответственность
  • Аналитическое мышление
  • Логическое мышление
  • Исполнительность
  • Математическое мышление
  • Ориентированность на результат
  • Организованность
  • Креативность
  • Самостоятельность в решении проблем
Связь с другими профессиями
6 уровень ОРК
Специалист по машинному обучению
Подробнее
6 уровень ОРК
Инженер NLP (специалист по компьютерной лингвистике)
Подробнее
7 уровень ОРК
Инженер NLP (специалист по компьютерной лингвистике)
Подробнее
6 уровень ОРК
Программист компьютерного зрения
Подробнее
7 уровень ОРК
Программист компьютерного зрения
Подробнее
6 уровень ОРК
Специалист по Data Mining
Подробнее
7 уровень ОРК
Специалист по Data Mining
Подробнее
6 уровень ОРК
Специалист по нейронным сетям
Подробнее
7 уровень ОРК
Специалист по нейронным сетям
Подробнее
Уровень 7
послевузовское образование (магистратура, резидентура) , 7M061 Информационно-коммуникационные технологии

Умения
1. Определять алгоритмы для создания модели: наивная байесовская классификация, дерево принятия решений, метод наименьших квадратов, метод опорных векторов (SVM) и другие
2. Подготовить обработанные данные для создания модели обучения
3. Проводить оценку качества данных и подготовить аналитический отчет по результатам работы.
Знания
1. Алгоритмы, применяемые в машинном обучении.
2. Современные системы с реализованной технологией машинного обучения.
3. Дискретная математика, статистический анализ данных, теория вероятностей.
Умения
1. Производить обработку и подготовку данных для машинного обучения.
2. Выбирать алгоритмы для обработки данных путем машинного обучения.
3. Выбирать язык программирования для реализации программы.
Знания
1. Алгоритмы машинного обучения для обработки данных
2. Языки программирования для анализа данных и обработки данных
3. Математическая логика, математическая статистика и дискретная математика
Умения
1. Определять алгоритмы для классификации данных
2. Разрабатывать программу принятия решения
3. Применять виды машинного обучения при анализе данных
4. Производить множество расчетов и сравнений с данными
5. Применять обучение по прецедентам, или индуктивное обучение, основанное на выявлении эмпирических закономерностей в данных и дедуктивное обучение.
6. Переносить базу знаний экспертов в базу данных.
Знания
1. Алгоритмы обработки больших данных
2. Кластеризация и классификация данных
3. Методы искусственного интеллекта
4. Математическая статистика, численные методы, методы оптимизации, теории вероятностей, теории графов, техника работы с данными в цифровой форме.