Data Scientist / ML-инженер (Тераплан)

Тераплан — это платформа для решения сложных комбинаторных задач, с которыми сталкиваются крупные компании.
Мы оптимизируем нетривиальные задачи связанные с производством и цепями поставок, планированием лётных экипажей и логистических систем.

Наши клиенты — крупные логистические компании, промышленные предприятия и авиакомпании.

Чем вам предстоит заниматься:

• исследованием/проведением анализа данных и описанием его результатов (EDA), формированием пайплайнов, ETL, обучающими выборками;
• исследованием и подготовкой признаков (feature engineering) на основе бизнес-данных: продажи, маркетинг, сезонность, акции, запасы и пр.;
• разработкой модели прогнозирования спроса с использованием машинного обучения (временные ряды, градиентный бустинг, глубокое обучение и др.).
• валидацией моделей с помощью метрик (MAE, RMSE, MAPE и др.) и кросс-валидацией;
• участвовать в разработке ML-пайплайнов: очистка, агрегация, обучение, тестирование, развертывание;
• работать со смежными командами для интеграции моделей и решений в промышленные бизнес-процессы;
• проведением мониторинга качества работы созданных моделей.

Что мы ожидаем от будущего члена команды:​​​​​​

• опыт работы с методами машинного обучения;
• навыки программирования на Python (pandas, numpy, scikit-learn, PyTorch/TensorFlow);
• уверенное владение инструментами Jupyter Notebook/JupyterLab/JupyterHub;
• опыт работы с временными рядами (Prophet, ARIMA, SARIMA, LSTM, DeepAR и пр.);
• опыт feature engineering в задачах прогнозирования или регрессии;
• базовое умение работать с различными источниками данных, обрабатывать данные, готовить дата-сеты.

Будет плюсом:

• опыт работы с инструментами оркестрации: Airflow/Dagster/Prefect и MLOps: MLFlow/ClearML;
• опыт разработки на Java;
• навыки построения production-ready моделей от исследования данных и формирования гипотез до внедрения в прод;
• опыт работы с LLM моделями;
• опыт работы с технологиями контейнеризации (Docker/Kubernetes).

Будем рады предложить вам:

• конкурентный уровень заработной платы;
• гибридный формат работы, возможность полной удалённой работы;
• систему премирования за научные достижения, публикацию статей, регистрацию патентов и выступления на конференциях;
• «Лекторий», в рамках которого приглашенные эксперты и наши специалисты на регулярной основе делятся профессиональным опытом из различных областей науки;
• внутреннюю программу поддержки инноваций;
• медицинскую страховку, включающую стоматологию, госпитализации, международные путешествия;
• льготное страхование членов семьи.