Senior Data Scientist (Квантовые алгоритмы, оптимизация логистики, математическое моделирование)

О проекте

Для выполнения научно-исследовательских работ в интересах ОАО «РЖД» требуется ведущий исследователь в области математического моделирования, оптимизации логистических систем, машинного обучения и квантовых (квантовоподобных) вычислений.

Проекты связаны с разработкой математических моделей для оптимизации цепочек поставок, управления запасами материально-технических ресурсов, прогнозирования потребления, логистики грузов и исследованием перспектив применения квантовых и квантовоподобных алгоритмов для решения прикладных задач транспортной отрасли.

Работы выполняются по заказу научно-исследовательских подразделений железнодорожной отрасли и предполагают проведение полноценных НИР с подготовкой научно-технической документации и программных прототипов.

Основные задачи

• Анализ предметной области и постановка математических задач.
• Исследование современных методов оптимизации логистических процессов.
• Построение математических моделей в режимах «как есть» и «как должно быть».
• Разработка моделей управления запасами и логистическими цепочками.
• Разработка оптимизационных алгоритмов для транспортных и складских систем.
• Исследование и адаптация квантовых и квантовоподобных алгоритмов для решения прикладных задач оптимизации.
• Сравнение классических и квантово-инспирированных подходов.
• Разработка моделей прогнозирования временных рядов потребления ресурсов.
• Разработка нейросетевых моделей и ML-бейзлайнов.
• Проведение вычислительных экспериментов и стресс-тестирования моделей.
• Анализ устойчивости решений к внешним возмущениям и изменениям параметров системы.
• Верификация моделей на ретроспективных данных.
• Оценка экономической эффективности предлагаемых решений.
• Подготовка аналитических отчетов, презентаций и научно-технической документации.
• Разработка прототипов и программных скриптов для проведения расчетов.

Требования

Обязательные

• Высшее образование:
  • прикладная математика;
  • математическое моделирование;
  • исследование операций;
  • системный анализ;
  • компьютерные науки;
  • физика;
  • Data Science.
• Опыт работы от 5 лет в области:
  • математического моделирования;
  • оптимизационных задач;
  • машинного обучения;
  • аналитики данных.
• Отличное знание:
  • Python;
  • NumPy;
  • Pandas;
  • SciPy;
  • Scikit-Learn;
  • PyTorch или TensorFlow.
• Опыт решения задач:
  • транспортной логистики;
  • управления запасами;
  • прогнозирования временных рядов;
  • дискретной оптимизации.
• Знание методов:
  • линейного программирования;
  • целочисленной оптимизации;
  • динамического программирования;
  • стохастического моделирования;
  • имитационного моделирования.

Будет преимуществом

• Практический опыт работы с:
  • Qiskit;
  • D-Wave Ocean;
  • PennyLane;
  • Cirq.
• Понимание:
  • Quantum Annealing;
  • QAOA;
  • Variational Quantum Algorithms;
  • Quantum Machine Learning.
• Опыт научно-исследовательских работ (НИР).
• Публикации в профильных научных журналах.
• Наличие ученой степени кандидата или доктора наук.
• Опыт работы с транспортными системами, железнодорожной логистикой или крупными промышленными предприятиями.

Результаты работы

По итогам проекта необходимо подготовить:

• математические модели оптимизации логистики и управления запасами;
• прототипы программных решений и расчетные скрипты;
• модели прогнозирования потребления ресурсов;
• сравнительный анализ классических и квантовоподобных алгоритмов;
• результаты вычислительных экспериментов;
• технико-экономическое обоснование предложенных решений;
• аналитические отчеты;
• презентационные материалы;
• рекомендации по внедрению разработанных подходов в бизнес-процессы заказчика.

Мы предлагаем

• Участие в уникальных проектах на стыке логистики, искусственного интеллекта и квантовых вычислений.
• Возможность публикации научных результатов по согласованию с заказчиком.
• Полностью удаленный формат работы.
• Гибкий график.
• Работа с крупным заказчиком федерального уровня.
• Возможность формирования собственной исследовательской команды.

Дополнительно

Рассматриваем как отдельных экспертов, так и небольшие исследовательские коллективы (2–5 человек), способные самостоятельно выполнить полный цикл НИР: от разработки математической модели до подготовки итоговой документации и программных прототипов.