Мы ищем высококвалифицированного специалиста по машинному обучению (ML) для руководства командой экспертов в области предиктивной аналитики и нейросетевых технологий. Основная задача проекта - создание передового инструмента для прогнозирования выхода из строя оборудования и его компонентов на основе анализа больших данных, поступающих онлайн от датчиков и сенсоров инженерных систем.
Проект направлен на повышение эффективности и безопасности работы газораспределительного оборудования за счет разработки системы предиктивной аналитики. Данная система должна заблаговременно выявлять признаки отказа и предотвращать внеплановые остановки производства.
Основные обязанности:
- Руководство командой специалистов по нейросетевым технологиям, определение стратегии для достижения целей проекта.
- Разработка и внедрение алгоритмов машинного обучения, таких как регрессионные модели, деревья решений, нейронные сети (CNN, RNN, LSTM) и ансамблевые методы для прогнозирования отказов оборудования на основе анализа больших объемов данных от измерительных приборов и сенсоров.
- Поиск закономерностей и выявление паттернов в изменениях данных, используя передовые методы анализа данных, такие как обработка временных рядов, кластеризация, выявление аномалий и снижение размерности.
- Проектирование и внедрение инструментов и методологий для эффективного решения задач предиктивной аналитики, включая пайплайны обработки данных, развертывание моделей и мониторинг производительности.
- Сотрудничество с инженерными и аналитическими командами для понимания специфики данных и требований к системе.
- Обеспечение высокой точности и надежности прогнозирования, а также своевременного внедрения решений.
- Документирование процессов разработки, тестирования и внедрения моделей машинного обучения.
Требования:
- Глубокие знания в области машинного обучения, нейронных сетей (CNN, RNN, LSTM, GAN и т.д.), статистики и алгоритмов обработки данных.
- Опыт руководства командами специалистов по ML и нейросетевым технологиям.
- Успешный опыт разработки и внедрения решений на основе машинного обучения в производственную среду.
- Глубокое понимание методов анализа данных, обработки временных рядов, кластеризации, выявления аномалий и снижения размерности.
- Отличные аналитические, проблемно-решающие и коммуникативные навыки.
- Способность эффективно взаимодействовать с междисциплинарными командами.