Аналитик данных

Разработка моделей машинного обучения для задач оптимизации бизнес-процессов в маркетинге, ценообразовании, логистике, экологии.

Извлечение информации из исторических данных, анализ данных и формулировка результатов для повышения качества управления производством.

Разработка и реализация методов поиска оптимальных режимов работы промышленного процесса.

Разработка гибридных моделей с использованием методов машинного обучения и технологического моделирования (физика/химия + ML) для моделирования процессов нефтехимического производства.

Оптимизация вычислений.

Интеграция разработанных методов и моделей в единый фреймворк обучения и эксплуатации моделей.

Умение писать понятный код на Python, знание SQL, владение стандартным набором библиотек (Numpy, Pandas, Scikit-Learn, Matplotlib/Seaborn, XGBoost/LightGBM/CatBoost, Scipy).

Знание теории и опыт в области классического машинного обучения , понимание границ применимости методов, интерпретации результатов обучения, гибкое мышление в решении сложных и иногда нетиповых задач машинного обучения.

Навык интерпретации алгоритмов машинного обучения.

Навык работы с текстовыми данными.

Понимание основ физического моделирования (например, что такое закон сохранение массы и энергии), а также большое желание изучить эти процессы глубже для разработки передовых решений в промышленности.

Способность сделать разведочный анализ данных, сделать осознанный отбор признаков, объяснить полученные результаты.

Понимание основ работы оптимизационных алгоритмов.