Профиль навыка

Deep Learning

Этот навык определяет ожидания по ролям и уровням.

Machine Learning и AI Deep Learning

Ролей

где встречается этот навык

Грейдов

сформированная дорожка роста

Обязательных требований

ещё 10 — необязательные

Machine Learning и AI

Deep Learning

22.02.2026

Выберите текущий грейд и сравните ожидания. Карточки ниже покажут, что нужно закрыть для следующего уровня.

Чего ждут на каждом уровне

Таблица показывает, как меняется глубина владения навыком от Junior до Principal.

Роль	Обязательность	Описание
Data Scientist		Понимает основы глубокого обучения: нейронные сети, backpropagation, функции активации, loss functions. Обучает простые fully-connected и CNN модели через Keras/PyTorch. Использует предобученные модели для transfer learning задач.
LLM Engineer		Знает основы deep learning: backpropagation, loss functions, optimizers (SGD, Adam). Понимает архитектуру нейронных сетей и обучает простые модели на PyTorch под руководством наставника.

Роль	Обязательность	Описание
Data Scientist		Самостоятельно проектирует и обучает deep learning модели для production-задач. Работает с CNN, RNN/LSTM, Transformer-архитектурами. Применяет регуляризацию (dropout, batch norm, weight decay), оптимизирует гиперпараметры через systematic search.
LLM Engineer		Самостоятельно обучает и fine-tuneит модели на PyTorch: настраивает learning rate schedules, регуляризацию, data augmentation. Понимает gradient flow в transformer-архитектурах.

Роль	Обязательность	Описание
Data Scientist		Проектирует сложные deep learning архитектуры: multi-task learning, attention mechanisms, generative models (VAE, GAN). Оптимизирует обучение через mixed precision, distributed training, gradient accumulation. Применяет knowledge distillation для деплоя моделей.
LLM Engineer		Проектирует custom training loops для LLM: mixed precision, gradient accumulation, distributed training. Диагностирует проблемы обучения: gradient vanishing/exploding, loss spikes, training instability.

Роль	Обязательность	Описание
Data Scientist		Определяет стратегию deep learning для data science команды. Формирует стандарты training infrastructure, model architecture guidelines. Оценивает state-of-the-art подходы и принимает решения об их внедрении в production-системы.
LLM Engineer		Определяет deep learning best practices для LLM-команды. Формирует стандарты обучения моделей, проводит review training конфигураций, внедряет системы мониторинга training runs.

Роль	Обязательность	Описание
Data Scientist		Формирует deep learning стратегию организации. Определяет investments в GPU-инфраструктуру, оценивает custom vs pre-trained модели. Публикует исследования, формирует научно-техническое лидерство организации в DL.
LLM Engineer		Формирует стратегию deep learning практик на уровне организации. Определяет подходы к pre-training и fine-tuning больших моделей, менторит leads по advanced training techniques.

Junior 2 требований

Data Scientist

Понимает основы глубокого обучения: нейронные сети, backpropagation, функции активации, loss functions. Обучает простые fully-connected и CNN модели через Keras/PyTorch. Использует предобученные модели для transfer learning задач.
LLM Engineer

Знает основы deep learning: backpropagation, loss functions, optimizers (SGD, Adam). Понимает архитектуру нейронных сетей и обучает простые модели на PyTorch под руководством наставника.

Middle 2 требований

Data Scientist

Самостоятельно проектирует и обучает deep learning модели для production-задач. Работает с CNN, RNN/LSTM, Transformer-архитектурами. Применяет регуляризацию (dropout, batch norm, weight decay), оптимизирует гиперпараметры через systematic search.
LLM Engineer

Самостоятельно обучает и fine-tuneит модели на PyTorch: настраивает learning rate schedules, регуляризацию, data augmentation. Понимает gradient flow в transformer-архитектурах.

Senior 2 требований

Data Scientist

Проектирует сложные deep learning архитектуры: multi-task learning, attention mechanisms, generative models (VAE, GAN). Оптимизирует обучение через mixed precision, distributed training, gradient accumulation. Применяет knowledge distillation для деплоя моделей.
LLM Engineer

Проектирует custom training loops для LLM: mixed precision, gradient accumulation, distributed training. Диагностирует проблемы обучения: gradient vanishing/exploding, loss spikes, training instability.

Lead / Staff 2 требований

Data Scientist

Определяет стратегию deep learning для data science команды. Формирует стандарты training infrastructure, model architecture guidelines. Оценивает state-of-the-art подходы и принимает решения об их внедрении в production-системы.
LLM Engineer

Определяет deep learning best practices для LLM-команды. Формирует стандарты обучения моделей, проводит review training конфигураций, внедряет системы мониторинга training runs.

Principal 2 требований

Data Scientist

Формирует deep learning стратегию организации. Определяет investments в GPU-инфраструктуру, оценивает custom vs pre-trained модели. Публикует исследования, формирует научно-техническое лидерство организации в DL.
LLM Engineer

Формирует стратегию deep learning практик на уровне организации. Определяет подходы к pre-training и fine-tuning больших моделей, менторит leads по advanced training techniques.

Загрузка комментариев...