Data Scientist (Middle) / Специалист по машинному обучению и оптимизации

Обязанности:

• разработка, обучение, валидация и внедрение в production моделей классического машинного обучения (классификация, регрессия, кластеризация) и оптимизации для решения бизнес-задач;
• глубокий анализ данных: исследовательский анализ (EDA), предобработка, feature engineering, выявление закономерностей и инсайтов;
• проведение факторного анализа для выявления ключевых влияющих переменных;
• построение и развитие ML-пайплайнов;
• решение задач оптимизации (как плюс): построение и применение математических моделей для оптимизации бизнес-процессов (ресурсы, логистика, ценообразование и т.д.);
• тесное взаимодействие с продуктовыми командами и инженерами для интеграции моделей и алгоритмов;
• документирование процессов, результатов исследований и внедренных решений.

Требования:

• высшее образование (бакалавр/специалист/магистр) в области точных наук или инженерии (специальности: физика, математика, прикладная математика, информатика, инженерные дисциплины, экономика (с сильной математической подготовкой);
• коммерческий опыт работы Data Scientist / Machine Learning Engineer от 3-х лет;
• подтвержденный опыт решения задач классического машинного обучения (минимум 2-3 проекта в продакшене или на стадии внедрения);
• свободное владение Python для анализа данных и ML;
• глубокое знание и практический опыт работы с ключевыми библиотеками:

1. Анализ данных: Pandas, NumPy, SciPy.
2. ML: Scikit-learn (обязательно глубокое знание).
3. Градиентный бустинг: XGBoost, LightGBM и/или CatBoost.
4. Подбор гиперпараметров: GridSearchCV, RandomizedSearchCV, Hyperopt, Optuna (или аналоги).
5. AutoML: Знание и применение библиотек/фреймворков типа H2O, Auto-Sklearn, Pycaret, TPOT (или аналоги).

• факторный анализ: Понимание и применение методов (PCA, U-map, факторный анализ, feature importance анализ);
• работа с данными: SQL на уверенном уровне;
• понимание основ жизненного цикла ML-моделей (MLOps basics);
• сильные аналитические способности и структурированное мышление;
• умение работать самостоятельно и доводить задачи до результата;
• коммуникативные навыки: умение ясно излагать сложные технические концепции коллегам с разным бэкграундом;
• ответственность и нацеленность на результат;
• готовность к постоянному обучению.

• опыт решения задач оптимизации (линейное, нелинейное, целочисленное программирование, эвристики);
• знание и опыт применения библиотек оптимизации: Google OR-Tools, SciPy.optimize, Pyomo, PuLP, Optuna (для оптимизации), pymoo (или аналоги);
• опыт работы с большими данными (PySpark, Dask);
• базовые знания в области Deep Learning (PyTorch/TensorFlow) – не основное требование, но плюс;
• визуализация данных (Matplotlib, Seaborn, Plotly).

Условия:

• работа в аккредитованной IT-компании (льготная ипотека и проч.);

• оформление по ТК РФ и его полное соблюдение (оплачиваемые отпуска, больничные);

• формат работы: удалённый по РФ или гибрид (офис расположен в нескольких минутах от м. Беговая);

• ДМС со стоматологией с первых недель работы (а не после испытательного срока);

• большое количество технологичных и бизнес-ориентированных задач (ИИ-агенты, цифровые ассистенты, вопросно-ответные системы, чат-боты, мониторинг приемочных работ на нефтегазовых месторождениях, видео аналитика, аналитика спутниковых снимков и пр.);

• современный стек технологий и наличие вычислительных ресурсов (кластер Ray c GPU, Инферит и пр.).