Data Scientist / ML Engineer (Machine Learning)
Описание
#DataScientist #MLEngineer
Ищем Data Scientist / ML Engineer на проект
💼Формат: удаленно
📍Локация и гражданство: РФ
📄Оформление: только по ИП
🎓Английский: от B1
♣Уровень: Middle
Обязательно:
- Уверенное знание Python и SQL;
- Хорошее понимание методов машинного обучения и математической статистики: линейные модели, Random Forest, градиентный бустинг;
- Практический опыт работы с временными рядами: подготовка данных, прогнозирование, оценка качества и кросс-валидация;
- Опыт работы с библиотеками градиентного бустинга: XGBoost, LightGBM или CatBoost;
- Знание методов математической и дискретной оптимизации: LP, MILP / MIP;
- Практический опыт работы хотя бы с одним из инструментов оптимизации: Pyomo, OR-Tools, PuLP или аналоги;
- Опыт использования оптимизационных решателей: Gurobi, CPLEX, SCIP, COPT, GLPK или аналоги;
- Опыт разработки ML-решений от анализа данных и построения модели до рабочего прототипа;
- Уверенное владение Git.
Желательно:
- Опыт применения продвинутых моделей прогнозирования временных рядов: Prophet, LSTM, DeepAR или аналогов;
- Опыт работы с большими данными и Data-инфраструктурой: Spark / PySpark, S3;
- Опыт интеграции ML-моделей в сервисы и понимание базового MLOps: FastAPI, Docker, CI/CD, KubeFlow или аналоги;
- Опыт написания unit- и integration-тестов, понимание ООП;
- Опыт в FMCG / Supply Chain / Demand Planning / Forecasting / ERP / APS.
Задачи:
- Сбор, очистка и подготовка данных из различных источников для дальнейшего анализа;
- Проведение первичного анализа данных: выявление закономерностей и аномалий, создание визуализаций;
- Разработка и внедрение моделей машинного обучения (включая регрессию, классификацию и кластеризацию), особый фокус на разработку моделей, связанных с временными рядами;
- Разработка оптимизатора, основанного на линейной и смешанно-целочисленной оптимизации, LP, MILP;
- Оценка качества моделей, настройка гиперпараметров и проведение кросс-валидации;
- Участие в интеграции моделей в бизнес-процессы компании;
- Подготовка аналитических отчетов;
- Эффективное взаимодействие с представителями бизнеса и техническими командами;
- Улучшение текущих подходов и изучение новых инструментов и алгоритмов.
📩