Проект Приказа Министерства труда и социальной защиты РФ "Об утверждении профессионального стандарта "Специалист по машинному обучению" (подготовлен Минтрудом России 03.06.2020)

Проект Приказа Министерства труда и социальной защиты РФ "Об утверждении профессионального стандарта "Специалист по машинному обучению"
(подготовлен Минтрудом России 03.06.2020 г.)

Досье на проект

Пояснительная записка

УТВЕРЖДЕН
приказом Министерства
труда и социальной защиты
Российской Федерации
от "__" ______ 20__ г. N ___

ПРОФЕССИОНАЛЬНЫЙ СТАНДАРТ

Специалист по машинному обучению

Регистрационный

I. Общие сведения

Создание прикладных информационных систем с использованием методов машинного обучения и интеллектуальной обработки данных
(наименование вида профессиональной деятельности)		Код

Основная цель вида профессиональной деятельности:

Автоматизация процессов решения прикладных задач с использованием методов машинного обучения и интеллектуальной обработки данных

Группа занятий:

2512	Разработчики программного обеспечения	2521	Дизайнеры баз данных и администраторы
(код ОКЗ*(1))	(наименование)	(код ОКЗ)	(наименование)

Отнесение к видам экономической деятельности:

62.01	Разработка компьютерного программного обеспечения
63.11	Деятельность по обработке данных, предоставление услуг по размещению информации и связанная с этим деятельность
(код ОКВЭД*(2))	(наименование вида экономической деятельности)

II. Описание трудовых функций, входящих в профессиональный стандарт (функциональная карта вида профессиональной деятельности)

Обобщенные трудовые функции			Трудовые функции
код	наименование	уровень квалификации	наименование	код	уровень (подуровень) квалификации
A	Подготовка данных	5	Анализ требований по сбору данных	A/01.5	5
A	Подготовка данных	5	Исследование, сбор и подготовка данных для анализа в соответствии с решаемой прикладной задачей	A/02.5	5
B	Интеллектуальная обработка данных	6	Классификация данных	B/01.6	6
			Поиск и структурирование данных	B/02.6	6
			Прогнозирование на основе особенностей данных	B/03.6	6
			Поиск и анализ отклонений в анализируемых данных	B/04.6	6
			Поиск и анализ связей между объектами	B/05.6	6
			Визуализация анализируемых данных	B/06.6	6
C	Разработка моделей машинного обучения для решений с использованием компьютерного зрения	7	Разработка моделей машинного обучения для задач компьютерного зрения	C/01.7	7
C		7	Адаптация моделей машинного обучения для прикладных решений с использованием компьютерного зрения	C/02.7	7
D	Разработка моделей машинного обучения для решений с использованием обработки естественного языка	7	Разработка моделей машинного обучения для обработки естественного языка	D/01.7	7
D		7	Адаптация моделей машинного обучения для прикладных решений с использованием средств обработки естественного языка	D/02.7	7
E	Разработка моделей машинного обучения для решений с использованием распознавания и синтеза речи	7	Разработка моделей машинного обучения для распознавания аудиосигналов и синтеза речи	E/01.7	7
E		7	Адаптация моделей машинного обучения для разработки прикладных решений по распознаванию аудиосигналов и синтезу речи	E/02.7	7

III. Характеристика обобщенных трудовых функций

3.1. Обобщенная трудовая функция

Наименование

Подготовка данных

Код

Уровень квалификации

Происхождение обобщенной трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Возможные наименования должностей, профессий

Инженер по подготовке больших данных

Data-инженер

Специалист по подготовке данных

Требования к образованию и обучению	Высшее образование - бакалавриат
Требования к опыту практической работы	-
Особые условия допуска к работе	Прохождение противопожарного инструктажа(3) Прохождение инструктажа по охране труда на рабочем месте(4)
Другие характеристики

Дополнительные характеристики

Наименование документа	Код	Наименование базовой группы, должности (профессии) или специальности
ОКЗ	2521	Дизайнеры баз данных и администраторы
ЕКС*(5)	-	Инженер-программист (программист)
ОКПДТР*(6)	22824	Инженер-программист
ОКПДТР*(6)	25857	Программист
ОКСО*(7)	2.09.03.01	Информатика и вычислительная техника
	2.09.03.02	Информационные системы и технологии
	2.09.03.03	Прикладная информатика
	2.09.03.04	Программная инженерия

3.1.1. Трудовая функция

Наименование

Анализ требований по сбору данных

Код

A/01.5

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Определение возможных источников данных для анализа
	Идентификация внешних и внутренних источников данных для проведения аналитических работ
	Оценка необходимого количества данных
	Определение независимых и зависимых переменных
	Определение структуры и средств хранения данных
	Выбор метрик оценки качества данных
	Формирование предложения по использованию результатов анализа
Необходимые умения	Применять языки запросов для обращения к системам управления базами данных (далее - СУБД)
	Использовать языки программирования для реализации методов подготовки данных
	Проводить сравнительный анализ методов и инструментальных средств анализа данных
	Использовать инструментальные средства для извлечения, преобразования, хранения и обработки данных из разнородных источников, в том числе в режиме реального времени
Необходимые знания	Язык запросов к СУБД
	Синтаксис основных языков программирования
	Методика разработки схем реляционных баз данных
	Методика разработки схем нереляционных баз данных
	Основы теория вероятностей и математической статистики
	Алгоритмы статистического анализа
	Основы машинного обучения
	Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования
	Современные методы и инструментальные средства анализа данных
	Российские и международные стандарты информационной безопасности
	Типы больших данных: метаданные, полуструктурированные, структурированные, неструктурированные
	Сетевые протоколы обмена данными
	Аппаратные и программные комплексы хранения данных, в том числе высоконагруженные и распределенные
	Порядок разработки отчетной аналитической документации
	Требования информационной безопасности и защиты данных
	Требования к защите прав интеллектуальной собственности
Другие характеристики	-

3.1.2. Трудовая функция

Наименование

Подготовка данных для анализа в соответствии с решаемой прикладной задачей

Код

A/02.5

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Сбор структурированных данных для дальнейшей обработки с использованием документированных протоколов доступа и интерфейсов прикладного программирования (API)
	Сбор неструктурированных данных для дальнейшей обработки, в том числе из разрозненных источников
	Выбор методов обработки, нормализации и векторизации исходных данных, методов агрегирования данных.
	Размещение данных в базах данных для дальнейшей обработки
	Формирование тестовой и валидационной выборки данных
	Оценка качества данных
	Оценка соответствия набора данных предметной области и задачам аналитических работ
	Фильтрация данных
	Замена отсутствующих значений
	Нормализация данных
	Векторизация данных
	Обнаружение выбросов
	Группирование (агрегирование) данных
	Очистка данных, в том числе удаление ненужных записей, выбросов
	Кодирование данных
	Выбор средств представления результатов аналитики
	Подготовка отчета по результатам аналитических работ
	Конвертация и объединение данных, получаемых из разных источников
Необходимые умения	Применять языки запросов для обращения к СУБД
	Использовать языки программирования для реализации методов подготовки данных
	Проводить сравнительный анализ методов и инструментальных средств анализа данных
	Использовать инструментальные средства для сбора данных из разнородных источников
	Использовать инструменты преобразования, хранения и обработки данных, в том числе в режиме реального времени
Необходимые знания	Методы агрегирования и анализа данных
	Методы отображения числовой информации
	Методы снижения размерности пространства признаков
	Синтаксис основных языков программирования
	Языки запросов к СУБД
	Принципы работы в реляционных базах данных
	Принципы работы в нереляционных базах данных
	Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования
	Современные методы и инструментальные средства анализа данных
	Российские и международные стандарты информационной безопасности
	Типы больших данных: метаданные, полуструктурированные, структурированные, неструктурированные
	Сетевые протоколы обмена данными
	Аппаратные и программные комплексы хранения данных, в том числе высоконагруженные и распределенные
	Порядок разработки отчетной аналитической документации
	Требования к защите прав интеллектуальной собственности
	Требования информационной безопасности и защиты данных
Другие характеристики	-

3.2. Обобщенная трудовая функция

Наименование

Интеллектуальная обработка данных

Код

Уровень квалификации

Происхождение обобщенной трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Возможные наименования должностей, профессий

Старший инженер-аналитик больших данных

Старший Data-аналитик

Старший аналитик больших данных

Требования к образованию и обучению	Высшее образование - бакалавриат или Высшее образование - магистратура
Требования к опыту практической работы	Не менее двух лет в области подготовки больших данных при наличии высшего образования - бакалавриат Без требований к опыту практической работы при наличии высшего образования - магистратура
Особые условия допуска к работе	Прохождение противопожарного инструктажа Прохождение инструктажа по охране труда на рабочем месте
Другие характеристики

Дополнительные характеристики

Наименование документа	Код	Наименование базовой группы, должности (профессии) или специальности
ОКЗ	2521	Дизайнеры баз данных и администраторы
ЕКС	-	Инженер-программист (программист)
ОКПДТР	22824	Инженер-программист
	25857	Программист
	42843	Инженер - системный программист
ОКСО	2.09.03.01	Информатика и вычислительная техника
	2.09.03.02	Информационные системы и технологии
	2.09.03.03	Прикладная информатика
	2.09.03.04	Программная инженерия
	2.09.04.01	Информатика и вычислительная техника
	2.09.04.02	Информационные системы и технологии
	2.09.04.03	Прикладная информатика
	2.09.04.04	Программная инженерия

3.2.1. Трудовая функция

Наименование

Классификация данных

Код

B/01.6

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Выбор методов для решения задачи классификации в зависимости от типа и объема данных
	Выявление признаков, характеризующие группы объектов - классы
	Классификация данных на основании выявленных признаков
	Выделение в рамках массива данных отдельных сущностей и связей между ними
Необходимые умения	Использовать Основные принципы, возможности и порядок применения метода ближайших соседей (Nearest Neighbor) для решения задач классификации данных
	Использовать метод k-ближайшего соседа (k-Nearest Neighbor) для решения задач классификации данных
	Использовать метод байесовские сети (Bayesian Networks) для решения задач классификации данных
	Использовать метод индукции деревьев решений для решения задач классификации данных
	Использовать методы машинного обучения и нейронных сетей
	Использовать метод случайных лесов (Random forest) для решения задач классификации данных
	Использовать библиотеки, программные платформы (фреймворки) и программные комплексы машинного обучения
Необходимые знания	Основные принципы и порядок применения метода нечеткой кластеризации C-средних (C-means)
	Основные принципы и порядок применения нейронной сети Кохонена
	Основные принципы и порядок применения генетического алгоритма
	Основные принципы, возможности и порядок применения метода K-средних
	Основные принципы, возможности и порядок применения метода К-медиан
	Основные принципы, возможности и порядок применения EM-алгоритма
	Основные принципы, возможности и порядок применения алгоритмов семейства ФОРЕЛ (FOREL)
	Методы оценки качества классификации данных
	Синтаксис основных языков программирования
	Возможности и порядок применения методов визуального программирования
	Основные принципы и порядок применения библиотек, программных платформ (фреймворков) и программных комплексов машинного обучения
	Требования информационной безопасности и защиты данных
Другие характеристики	-

3.2.2. Трудовая функция

Наименование

Поиск и структурирование данных

Код

B/02.6

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Выбор методов для решения задачи кластеризации
	Отбор выборки объектов для кластеризации
	Определение множества переменных, по которым будут оцениваться объекты в выборке
	Вычисление значений меры сходства между объектами
	Выбор методов для решения задачи ассоциации
	Поиск закономерности между связанными событиями в наборе данных, наступающими одновременно
	Выбор методов для решения задачи поиска последовательностей
	Поиск устойчивых закономерностей между случайными событиями, связанными во времени
Необходимые умения	Применять методы кластерного анализа для создания групп сходных объектов (кластеров).
	Применять методы поиска закономерности между связанными событиями в наборе данных, наступающими одновременно
	Применять методы поиска устойчивых закономерностей между случайными событиями в наборе данных, связанными во времени
	Использовать методы машинного обучения и нейронных сетей
	Использовать библиотеки, программные платформы (фреймворки) и программные комплексы машинного обучения
Необходимые знания	Основные принципы, возможности и порядок применения дискриминантного анализа
	Основные принципы, возможности и порядок применения графовых алгоритмов кластеризации
	Иерархическая дивизивная кластеризация или таксономия
	Основные принципы, возможности и порядок применения статистических алгоритмов кластеризации
	Основные принципы, возможности и порядок применения ансамбля кластеризаторов
	Основные принципы, возможности и порядок применения алгоритмов семейства КРАБ (KRAB)
	Основные принципы, возможности и порядок применения алгоритмов, основанных на методе просеивания
	Основные принципы, возможности и порядок применения алгоритма DBSCAN
	Основные принципы, возможности и порядок применения байесовских сетей
	Методы оценки качества кластеризации данных
	Синтаксис основных языков программирования
	Алгоритмы поиска частотных шаблонов
	Алгоритмы нахождения последовательных шаблонов
	Основные принципы и порядок применения библиотек, программных платформ (фреймворков) и программных комплексов машинного обучения
	Требования информационной безопасности и защиты данных
Другие характеристики	-

3.2.3. Трудовая функция

Наименование

Прогнозирование на основе особенностей данных

Код

B/03.6

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Выбор методов для решения задачи прогнозирования
	Построение прогнозной модели
	Оценка достоверности прогноза
	Уточнение исходных данных с целью обнаружения ошибок
Необходимые умения	Использовать методы статистического анализа
	Использовать методы экстраполяции
	Использовать методы корреляционного и регрессионного анализов
	Использовать методы математического моделирования
	Использовать методы машинного обучения и нейронных сетей
	Использовать библиотеки, программные платформы (фреймворки) и программные комплексы машинного обучения
Необходимые знания	Основы теория вероятностей и математической статистики
	Основные принципы, возможности и порядок применения алгоритмов статистического анализа
	Основные принципы, возможности и порядок применения методов и алгоритмов регрессионного анализа
	Основные принципы, возможности и порядок применения алгоритмов машинного обучения
	Основные принципы, возможности и порядок применения глубокого обучения нейронных сетей
	Критерии оценки статистической достоверности прогноза
	Синтаксис основных языков программирования
	Основные принципы и порядок применения библиотек, программных платформ (фреймворков) и программных комплексов машинного обучения
	Требования информационной безопасности и защиты данных
Другие характеристики	-

3.2.4. Трудовая функция

Наименование

Анализ отклонений в анализируемых данных

Код

B/04.6

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Выбор методов для решения задачи анализа отклонений
	Обнаружение и генерация формальных правил, объясняющих причины появления отклонений
	Описание статистических зависимостей, описывающих вероятности появления отклонений
	Предсказание отклонений либо вероятностей отклонений на основе результатов анализа
Необходимые умения	Использовать методы статистического анализа
	Использовать методы экстраполяции
	Использовать методы математические методы исследования операций и теории принятия решений
	Использовать методы машинного обучения и нейронных сетей
	Использовать библиотеки и программные комплексы статистического анализа данных
	Использовать библиотеки, программные платформы (фреймворки) и программные комплексы машинного обучения
Необходимые знания	Основы теория вероятностей и математической статистики
	Основные принципы, возможности и порядок применения алгоритмов статистического анализа
	Основные положения теория принятия решений
	Особенности построения и применения деревьев решений
	Основные принципы, возможности и порядок применения ассоциативных правил
	Принципы и особенности применения глубокого обучения нейронных сетей
	Инструментальные средства и программные комплексы статистического анализа данных
	Синтаксис основных языков программирования
	Основные принципы и порядок применения библиотек, программных платформ (фреймворков) и программных комплексов машинного обучения
	Требования информационной безопасности и защиты данных
Другие характеристики	-

3.2.5. Трудовая функция

Наименование

Анализ связей между объектами

Код

B/05.6

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Выбор методов для решения задачи анализа связей
	Вычисление размера сети
	Вычисление сетевой плотности
	Измерение степени центральности
	Выявление структурно похожих позиций
	Выбор способа визуализации найденных связей
Необходимые умения	Применять методы теории графов
	Использовать методы статистического анализа
	Использовать методы машинного обучения и нейронных сетей
	Проводить сравнительный анализ методов и инструментальных средств визуализации графов
	Использовать инструментальные средства для визуализации графов
Необходимые знания	Основные положения теория графов
	Методы и инструментальные средства визуализации анализируемых данных
	Основные принципы, возможности и порядок применения алгоритмов статистического анализа
	Основы машинного обучения
	Синтаксис основных языков программирования
	Библиотеки и программные комплексы визуализации данных
	Требования информационной безопасности и защиты данных
Другие характеристики	-

3.2.6. Трудовая функция

Наименование

Визуализация анализируемых данных

Код

B/06.6

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Выбор принципов и методов отображения данных
	Выбор способов и инструментов отображения данных
	Отображение данных
	Адаптация отображаемых данных к различным интерфейсам пользователей
	Оценка эффективности отображения данных в интерфейсах пользователей
Необходимые умения	Проводить сравнительный анализ методов и инструментальных средств визуализации данных
	Использовать инструментальные средства для визуализации данных
	Применять методы оценки эффективности отображения данных
	Применять библиотеки и программные платформы (фреймворки) для визуализации данных
Необходимые знания	Методы и инструментальные средства визуализации анализируемых данных
	Синтаксис основных языков программирования для визуализации данных
	Принципы эргономики интерфейсов пользователей
	Библиотеки и программные платформы (фреймворки) для визуализации данных
	Требования информационной безопасности и защиты данных
Другие характеристики	-

3.3. Обобщенная трудовая функция

Наименование

Разработка моделей машинного обучения для решений с использованием компьютерного зрения

Код

Уровень квалификации

Происхождение обобщенной трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Возможные наименования должностей, профессий

Инженер по компьютерному зрению

Специалист по компьютерному зрению

Требования к образованию и обучению	Высшее образование - магистратура
Требования к опыту практической работы	Не менее двух лет в области интеллектуальной обработки больших данных
Особые условия допуска к работе	Прохождение противопожарного инструктажа Прохождение инструктажа по охране труда на рабочем месте
Другие характеристики

Дополнительные характеристики

Наименование документа	Код	Наименование базовой группы, должности (профессии) или специальности
ОКЗ	2512	Разработчики программного обеспечения
ЕКС	-	Инженер-программист (программист)
ОКПДТР	22824	Инженер-программист
	25857	Программист
	42843	Инженер - системный программист
ОКСО	2.09.04.01	Информатика и вычислительная техника
	2.09.04.02	Информационные системы и технологии
	2.09.04.03	Прикладная информатика
	2.09.04.04	Программная инженерия

3.3.1. Трудовая функция

Наименование

Разработка моделей машинного обучения для задач компьютерного зрения

Код

C/01.7

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Разработка моделей машинного обучения классификации и кластеризации видеоданных
	Разработка моделей машинного обучения для обнаружения объектов
	Разработка моделей машинного обучения для понимания сцены
	Разработка моделей машинного обучения для классификации объектов
	Разработка моделей машинного обучения для приложений распознавания активности
	Разработка моделей машинного обучения для распознавания лиц
	Разработка моделей машинного обучения для трекинга объектов
	Разработка моделей машинного обучения для восстановления 3D-изображений из 2D-изображений
	Разработка моделей машинного обучения для распознавания эмоций
	Обучение нейронных сетей для задач компьютерного зрения
Необходимые умения	Использовать методы машинного обучения для задач компьютерного зрения
	Использовать методы глубокого обучения нейронных сетей для задач компьютерного зрения
	Использовать языки программирования для задач машинного обучения
	Использовать библиотеки и фреймворки машинного обучения
Необходимые знания	Основы интеллектуального анализа данных
	Принципы и особенности применения глубокого обучения нейронных сетей
	Основные принципы, возможности и порядок применения метода коррекции ошибки
	Основные принципы, возможности и порядок применения метода обратного распространения ошибки
	Основные принципы, возможности и порядок применения метода опорных векторов
	Основные принципы, возможности и порядок применения рекуррентных нейронных сетей
	Основные принципы, возможности и порядок применения сверточных нейронных сетей
	Основные принципы, возможности и порядок применения альфа-системы подкрепления
	Основные принципы, возможности и порядок применения гамма-системы подкрепления
	Основные принципы, возможности и порядок применения метода ближайших соседей
	Основные принципы, возможности и порядок применения метода трансдуктивного обучения
	Основные принципы, возможности и порядок применения метода активного обучения
	Основные принципы, возможности и порядок применения метода обучения с подкреплением
	Основные принципы, возможности и порядок применения метода многозадачного обучения
	Основные принципы, возможности и порядок применения метода многовариантного обучения
	Основные принципы, возможности и порядок применения метода бустинга алгоритмов
	Основные принципы и порядок применения генетического алгоритма
	Основные принципы, возможности и порядок применения байесовских сетей
	Синтаксис основных языков программирования
	Требования информационной безопасности и защиты данных
Другие характеристики	-

3.3.2. Трудовая функция

Наименование

Адаптация моделей машинного обучения для прикладных решений с использованием компьютерного зрения

Код

C/02.7

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Выбор методов и моделей для решения задач компьютерного зрения
	Адаптация моделей машинного обучения классификации и кластеризации видеоданных
	Адаптация моделей машинного обучения для обнаружения объектов
	Адаптация моделей машинного обучения для понимания сцены
	Адаптация моделей машинного обучения для классификации объектов
	Адаптация моделей машинного обучения для приложений распознавания активности
	Адаптация моделей машинного обучения для распознавания лиц
	Адаптация моделей машинного обучения для трекинга объектов
	Адаптация моделей машинного обучения для восстановления 3D-изображений из 2D изображений
	Адаптация моделей машинного обучения для распознавания эмоций
Необходимые умения	Использовать методы машинного обучения для задач компьютерного зрения
	Использовать методы глубокого обучения нейронных сетей для задач компьютерного зрения
	Использовать языки программирования для задач машинного обучения
	Использовать библиотеки и фреймворки машинного обучения
Необходимые знания	Основы интеллектуального анализа данных
	Принципы и особенности применения глубокого обучения нейронных сетей
	Основные принципы, возможности и порядок применения метода коррекции ошибки
	Основные принципы, возможности и порядок применения метода обратного распространения ошибки
	Основные принципы, возможности и порядок применения метода опорных векторов
	Основные принципы, возможности и порядок применения рекуррентных нейронных сетей
	Основные принципы, возможности и порядок применения сверточных нейронных сетей
	Основные принципы, возможности и порядок применения альфа-системы подкрепления
	Основные принципы, возможности и порядок применения гамма-системы подкрепления
	Основные принципы, возможности и порядок применения метода ближайших соседей
	Основные принципы, возможности и порядок применения метода трансдуктивного обучения
	Основные принципы, возможности и порядок применения метода активного обучения
	Основные принципы, возможности и порядок применения метода обучения с подкреплением
	Основные принципы, возможности и порядок применения метода многозадачного обучения
	Основные принципы, возможности и порядок применения метода многовариантного обучения
	Основные принципы, возможности и порядок применения метода бустинга алгоритмов
	Основные принципы и порядок применения генетического алгоритма
	Основные принципы, возможности и порядок применения байесовских сетей
	Синтаксис основных языков программирования
	Библиотеки и программные комплексы анализа видеоданных
	Основные принципы и порядок применения библиотек, программных платформ (фреймворков) и программных комплексов машинного обучения
	Основные принципы и порядок применения библиотек и программных комплексов построения и тренировки нейронных сетей
	Методы и программные платформы (фреймворки) для моделей машинного обучения для задач компьютерного зрения
	Требования информационной безопасности и защиты данных
Другие характеристики	-

3.4. Обобщенная трудовая функция

Наименование

Разработка моделей машинного обучения для решений с использованием обработки естественного языка

Код

Уровень квалификации

Происхождение обобщенной трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Возможные наименования должностей, профессий

Инженер по обработке естественного языка

Специалист по обработке естественного языка

Требования к образованию и обучению	Высшее образование - магистратура
Требования к опыту практической работы	Не менее двух лет в области интеллектуальной обработки больших данных
Особые условия допуска к работе	Прохождение противопожарного инструктажа Прохождение инструктажа по охране труда на рабочем месте
Другие характеристики

Дополнительные характеристики

Наименование документа	Код	Наименование базовой группы, должности (профессии) или специальности
ОКЗ	2512	Разработчики программного обеспечения
ЕКС	-	Инженер-программист (программист)
ОКПДТР	22824	Инженер-программист
	25857	Программист
	42843	Инженер - системный программист
ОКСО	2.09.04.01	Информатика и вычислительная техника
	2.09.04.02	Информационные системы и технологии
	2.09.04.03	Прикладная информатика
	2.09.04.04	Программная инженерия

3.4.1. Трудовая функция

Наименование

Разработка моделей машинного обучения для обработки естественного языка

Код

D/01.7

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Разработка моделей для решения задач по извлечению ключевых слов
	Разработка моделей для решения задач по извлечению именованных сущностей
	Разработка моделей для решения задачи классификации текстов
	Разработка моделей для решения задачи кластеризации текстов
	Разработка моделей для анализа неструктурированных текстовых данных
	Разработка моделей для анализа тональности высказывания
	Обучение нейронных сетей для обработки естественного языка
Необходимые умения	Использовать средства лингвистического анализа, в том числе лексического, синтаксического и семантического анализа текстов
	Использовать методы машинного обучения для обработки естественного языка
	Использовать методы глубокого обучения нейронных сетей для обработки естественного языка
	Использовать языки программирования для задач машинного обучения
	Использовать библиотеки и фреймворки машинного обучения
Необходимые знания	Основы интеллектуального анализа данных
	Принципы и особенности применения глубокого обучения нейронных сетей
	Основные принципы, возможности и порядок применения метода коррекции ошибки
	Основные принципы, возможности и порядок применения метода обратного распространения ошибки
	Основные принципы, возможности и порядок применения метода опорных векторов
	Основные принципы, возможности и порядок применения рекуррентных нейронных сетей
	Основные принципы, возможности и порядок применения сверточных нейронных сетей
	Основные принципы, возможности и порядок применения альфа-системы подкрепления
	Основные принципы, возможности и порядок применения гамма-системы подкрепления
	Основные принципы, возможности и порядок применения метода ближайших соседей
	Основные принципы, возможности и порядок применения метода трансдуктивного обучения
	Основные принципы, возможности и порядок применения метода активного обучения
	Основные принципы, возможности и порядок применения метода обучения с подкреплением
	Основные принципы, возможности и порядок применения метода многозадачного обучения
	Основные принципы, возможности и порядок применения метода многовариантного обучения
	Основные принципы, возможности и порядок применения метода бустинга алгоритмов
	Основные принципы и порядок применения генетического алгоритма
	Основные принципы, возможности и порядок применения байесовских сетей
	Методы лингвистического анализа
	Компьютерная лингвистика
	Синтаксис основных языков программирования
	Основы построения таксономических и онтологических классификаторов семантического анализа
	Основы семантического анализа
	Библиотеки и программные платформы (фреймворки) для анализа естественного языка
	Требования информационной безопасности и защиты данных
Другие характеристики	-

3.4.2. Трудовая функция

Наименование

Адаптация моделей машинного обучения для разработки прикладных решений с использованием средств обработки естественного языка

Код

D/02.7

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Адаптация моделей для решения задач по извлечению ключевых слов
	Адаптация моделей для решения задач по извлечению именованных сущностей
	Адаптация моделей для решения задачи классификации текстов
	Адаптация моделей для решения задачи кластеризации текстов
	Адаптация моделей для анализа неструктурированных текстовых данных
	Адаптация моделей для анализа тональности высказывания
Необходимые умения	Использовать средства лингвистического анализа, в том числе лексического, синтаксического и семантического анализа текстов
	Использовать методы машинного обучения для обработки естественного языка
	Использовать методы глубокого обучения нейронных сетей для обработки естественного языка
	Использовать языки программирования для задач машинного обучения
	Использовать библиотеки и фреймворки машинного обучения
Необходимые знания	Основы интеллектуального анализа данных
	Принципы и особенности применения глубокого обучения нейронных сетей
	Основные принципы, возможности и порядок применения метода коррекции ошибки
	Основные принципы, возможности и порядок применения метода обратного распространения ошибки
	Основные принципы, возможности и порядок применения метода опорных векторов
	Основные принципы, возможности и порядок применения рекуррентных нейронных сетей
	Основные принципы, возможности и порядок применения сверточных нейронных сетей
	Основные принципы, возможности и порядок применения альфа-системы подкрепления
	Основные принципы, возможности и порядок применения гамма-системы подкрепления
	Основные принципы, возможности и порядок применения метода ближайших соседей
	Основные принципы, возможности и порядок применения метода трансдуктивного обучения
	Основные принципы, возможности и порядок применения метода активного обучения
	Основные принципы, возможности и порядок применения метода обучения с подкреплением
	Основные принципы, возможности и порядок применения метода многозадачного обучения
	Основные принципы, возможности и порядок применения метода многовариантного обучения
	Основные принципы, возможности и порядок применения метода бустинга алгоритмов
	Основные принципы и порядок применения генетического алгоритма
	Основные принципы, возможности и порядок применения байесовских сетей
	Методы лингвистического анализа
	Компьютерная лингвистика
	Синтаксис основных языков программирования
	Методы и программные платформы (фреймворки) для моделей машинного обучения для обработки естественного языка
	Требования информационной безопасности и защиты данных
Другие характеристики	-

3.5. Обобщенная трудовая функция

Наименование

Разработка моделей машинного обучения для решений с использованием распознавания аудиосигналов и синтеза речи

Код

Уровень квалификации

Происхождение обобщенной трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Возможные наименования должностей, профессий

Инженер по распознаванию аудиосигналов и синтезу речи

Специалист по распознаванию аудиосигналов синтезу речи

Требования к образованию и обучению	Высшее образование - магистратура
Требования к опыту практической работы	Не менее двух лет в области интеллектуальной обработки больших данных
Особые условия допуска к работе	Прохождение противопожарного инструктажа Прохождение инструктажа по охране труда на рабочем месте
Другие характеристики

Дополнительные характеристики

Наименование документа	Код	Наименование базовой группы, должности (профессии) или специальности
ОКЗ	2512	Разработчики программного обеспечения
ЕКС	-	Инженер-программист (программист)
ОКПДТР	22824	Инженер-программист
	25857	Программист
	42843	Инженер - системный программист
ОКСО	2.09.04.01	Информатика и вычислительная техника
	2.09.04.02	Информационные системы и технологии
	2.09.04.03	Прикладная информатика
	2.09.04.04	Программная инженерия

3.5.1. Трудовая функция

Наименование

Разработка моделей машинного обучения для распознавания аудиосигналов и синтеза речи

Код

E/01.7

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Разработка моделей машинного обучения для распознавания аудиосигналов
	Разработка моделей машинного обучения для синтеза речи
	Обучение нейронных сетей для распознавания аудиосигналов
	Обучение нейронных сетей для синтеза речи
Необходимые умения	Использовать методы дискриминантного анализа, основанные на Байесовской дискриминации (Bayesian discrimination);
	Использовать скрытые Марковские модели (Hidden Markov Model);
	Использовать методы параметрического синтеза
	Использовать методы конкатенативного, или компиляционного (компилятивный) синтеза
	Использовать методы синтеза по правилам
	Использовать методы предметно-ориентированного синтеза
	Использовать средства лингвистического анализа, в том числе лексического, синтаксического и семантического анализа текстов
	Использовать методы машинного обучения для распознавания и синтеза речи
	Использовать методы глубокого обучения нейронных сетей для распознавания и синтеза речи
	Использовать языки программирования для задач машинного обучения
	Использовать библиотеки и фреймворки машинного обучения
	Использовать методы спектрального анализа для анализа аудиосигнала
Необходимые знания	Основы интеллектуального анализа данных
	Принципы и особенности применения глубокого обучения нейронных сетей
	Основные принципы, возможности и порядок применения метода коррекции ошибки
	Основные принципы, возможности и порядок применения метода обратного распространения ошибки
	Основные принципы, возможности и порядок применения метода опорных векторов
	Основные принципы, возможности и порядок применения рекуррентных нейронных сетей
	Основные принципы, возможности и порядок применения сверточных нейронных сетей
	Основные принципы, возможности и порядок применения альфа-системы подкрепления
	Основные принципы, возможности и порядок применения гамма-системы подкрепления
	Основные принципы, возможности и порядок применения метода ближайших соседей
	Основные принципы, возможности и порядок применения метода трансдуктивного обучения
	Основные принципы, возможности и порядок применения метода активного обучения
	Основные принципы, возможности и порядок применения метода обучения с подкреплением
	Основные принципы, возможности и порядок применения метода многозадачного обучения
	Основные принципы, возможности и порядок применения метода многовариантного обучения
	Основные принципы, возможности и порядок применения метода бустинга алгоритмов
	Основные принципы и порядок применения генетического алгоритма
	Основные принципы, возможности и порядок применения байесовских сетей
	Методы лингвистического анализа
	Компьютерная лингвистика
	Синтаксис основных языков программирования
	Требования информационной безопасности и защиты данных
Другие характеристики	-

3.5.2. Трудовая функция

Наименование

Адаптация моделей машинного обучения для разработки прикладных решений по распознаванию аудиосигналов и синтезу речи

Код

E/02.7

Уровень (подуровень) квалификации

Происхождение трудовой функции	Оригинал	X	Заимствовано из оригинала
					Код оригинала	Регистрационный номер профессионального стандарта

Трудовые действия	Адаптация моделей машинного обучения распознавания аудиосигналов
	Адаптация моделей машинного обучения для синтеза речи
	Адаптация моделей машинного обучения для распознавания шумов
	Адаптация моделей машинного обучения для построения карт информации в синтезе речи
	Адаптация моделей машинного обучения для восстановления языковой специфики в синтезе речи
	Сегментация аудиосигнала при распознавании речи
Необходимые умения	Использовать методы дискриминантного анализа, основанные на Байесовской дискриминации (Bayesian discrimination);
	Использовать скрытые Марковские модели (Hidden Markov Model);
	Использовать методы параметрического синтеза
	Использовать методы конкатенативного, или компиляционного (компилятивный) синтеза
	Использовать методы синтеза по правилам
	Использовать методы предметно-ориентированного синтеза
	Использовать средства лингвистического анализа, в том числе лексического, синтаксического и семантического анализа текстов
	Использовать методы машинного обучения для распознавания и синтеза речи
	Использовать методы глубокого обучения нейронных сетей для распознавания и синтеза речи
	Использовать языки программирования для задач машинного обучения
	Использовать библиотеки и фреймворки машинного обучения
Необходимые знания	Основы интеллектуального анализа данных
	Принципы и особенности применения глубокого обучения нейронных сетей
	Основные принципы, возможности и порядок применения метода коррекции ошибки
	Основные принципы, возможности и порядок применения метода обратного распространения ошибки
	Основные принципы, возможности и порядок применения метода опорных векторов
	Основные принципы, возможности и порядок применения рекуррентных нейронных сетей
	Основные принципы, возможности и порядок применения сверточных нейронных сетей
	Основные принципы, возможности и порядок применения альфа-системы подкрепления
	Основные принципы, возможности и порядок применения метода ближайших соседей
	Основные принципы, возможности и порядок применения метода трансдуктивного обучения
	Основные принципы, возможности и порядок применения метода активного обучения
	Основные принципы, возможности и порядок применения метода обучения с подкреплением
	Основные принципы, возможности и порядок применения гамма-системы подкрепления
	Основные принципы, возможности и порядок применения метода многозадачного обучения
	Основные принципы, возможности и порядок применения метода многовариантного обучения
	Основные принципы, возможности и порядок применения метода бустинга алгоритмов
	Основные принципы и порядок применения генетического алгоритма
	Основные принципы, возможности и порядок применения байесовских сетей
	Методы лингвистического анализа
	Компьютерная лингвистика
	Синтаксис основных языков программирования
	Методы и программные платформы (фреймворки) для моделей машинного обучения для распознавания аудиосигналов и синтеза речи
	Требования информационной безопасности и защиты данных
Другие характеристики	-

IV. Сведения об организациях-разработчиках профессионального стандарта

4.1. Ответственная организация - разработчик

АНО "Университет национальной технологической инициативы 2035", город Москва

4.2. Наименования организаций - разработчиков

1.	Союз "Агентство развития профессиональных сообществ и рабочих кадров "Молодые профессионалы (Ворлдскиллс Россия"), город Москва
2.	ФГБУ "ВНИИ труда" Минтруда России, город Москва

-------------------------------------------

*(1) Общероссийский классификатор занятий.

*(2) Общероссийский классификатор видов экономической деятельности.

*(3) Постановление Правительства Российской Федерации от 25 апреля 2012 г. N 390 "О противопожарном режиме" (Собрание законодательства Российской Федерации, 2012, N 19, ст. 2415; 2014, N 9, ст. 906; N 26, ст. 3577; 2015, N 11, ст. 1607; N 46, ст. 6397; 2016, N 15, ст. 2105; N 35, ст. 5327; N 40, ст. 5733; 2017, N 13, ст. 1941; N 41, ст. 5954; N 48, ст. 7219; 2018, N 3, ст. 553; 2018, N 53, ст. 8666, 8682; 2019, N 11, ст. 1132; 2019, N39, ст. 5420).

*(4) Постановление Минтруда России, Минобразования России от 13 января 2003 г. N 1/29 "Об утверждении Порядка обучения по охране труда и проверки знаний требований охраны труда работников организаций" (зарегистрировано Минюстом России 12 февраля 2003 г., регистрационный N 4209), с изменениями, внесенными приказом Минтруда России, Минобрнауки России от 30 ноября 2016 г. N 697н/1490 (зарегистрирован Минюстом России 16 декабря 2016 г., регистрационный N 44767).

*(5) Единый квалификационный справочник должностей руководителей, специалистов и служащих.

*(6) Общероссийский классификатор профессий рабочих, должностей специалистов и тарифных разрядов.

*(7) Общероссийский классификатор специальностей по образованию.

Откройте актуальную версию документа прямо сейчас

Получить бесплатный доступ

Если вы являетесь пользователем интернет-версии системы ГАРАНТ, вы можете открыть этот документ прямо сейчас или запросить по Горячей линии в системе.