Команда Graph DS разрабатывает решения для анализа linked data (связанные данные). Сейчас активно ведется работа по трем проектам:
1.Фреймворк для ризонинга LLM-агентов с использованием графов знаний:
- интеграция LLM и графа знаний;
- семантический поиск в графе знаний;
- проектирование компонентов фреймворка;
- участие в дискуссиях по улучшению архитектуры и компонентов фреймворка.
2.Фреймворк для генерации и улучшения онтологии для графов знаний:
- извлечение концептов и отношений из текста;
- автоматическое расширение онтологии;
- валидация и устранение противоречий в онтологии.
3.Применение графовых нейронных сетей в задачах Антифрод (Antifraud):
- решение задач графового партиционирования и семплинга для оптимизации количества используемой памяти для алгоритма;
- изучение последних исследований по теме antifraud;
- применение разных алгоритмов для генерации правдоподобных синтетических графов транзакции для обучения и валидации.
· Основной тех стек: Graph Neural Networks, Geometric Deep Learning, Knowledge Graphs, Data Science, Deep Learning, Git, Machine learning, Python data stack, PyTorch.
· Hard skills: Теория графов, Графовые нейронные сети, Геометрическое глубокое обучение, Графы знаний (RDF/RDFX, OWL), Английский от upper-intermediate, Математическая статистика, NumPy, Python, Bash.
· Студент очной формы обучения.
· Студент российского вуза.
· Курс обучения: 3-6 курс бакалавриата и специалитета или 1-2 курс магистратуры.
· Город проживания: Москва или Балашиха, Видное, Дзержинский, Долгопрудный, Домодедово, Жуковский, Ивантеевка, Королёв, Котельники, Красногорск, Лобня, Лыткарино, Люберцы, Мытищи, Одинцово, Подольск, Пушкино, Раменское, Реутов, Химки, Щёлково, Троицк.
Оплачиваемая стажировка
Длительность стажировки: 3 месяца
График работы: 40 часов
Гибридный формат
Комфортный современный офис