Data Scientist

В ООО "Цифровые технологии в промышленности"

Обязанности:

1. LLM и агенты

• Разработка агентных систем для решения инженерных задач: работа с технической документацией, регламентами, расчётными методиками
• Проектирование и внедрение RAG-систем для извлечения знаний из технической документации и внутренних баз данных;
• Дообучение и адаптация открытых моделей под отраслевую специфику, оценка качества, построение бенчмарков на доменных данных

2. Оптимизация

• Расстановка скважин и планирование программы бурения
• Оптимизация логистики: маршрутизация, планирование поставок, управление запасами
• Оптимизация инфраструктуры и режимов работы объектов
• Постановка задач как MILP / нелинейных / стохастических, гибридные подходы «оптимизация + ML»

3. Классический ML и предиктивная аналитика

• Прогнозирование временных рядов: добыча, отказы оборудования, спрос
• Анализ изображений: интерпретация карт и сейсмических данных, дефектоскопия
• Видеоаналитика на промышленных объектах - контроль безопасности и технологических операций

• Модели, доведённые до продакшена, а не только до ноутбука
• Опыт в одном из наших направлений (LLM, оптимизация, CV, временные ряды) и готовность освоить смежные
• Умение самостоятельно декомпозировать задачу от бизнес-формулировки до метрики
• Фундаментальные знания: Высшее техническое или математическое образование. Вы уверенно ориентируетесь в линейной алгебре, теории вероятностей, математической статистике и методах оптимизации
• Опыт в ML/DL: Понимаете принципы работы классических алгоритмов и ключевых архитектур нейронных сетей (CNN, RNN, Transformers)
• Production-ready код: Умеете работать с Git, Docker и консолью Linux. Пишете чистый, тестируемый код (ООП, CI/CD)
• Базовый MLOps: Docker, CI/CD, версионирование экспериментов
• Базы данных: Знаете основы SQL и можете самостоятельно получить нужные данные

Технологический стек

• Язык: Python
• Библиотеки: NumPy, Pandas, Scikit-learn, PyTorch, TensorFlow, Hugging Face Transformers
• LLM-фреймворки: LangChain, LangGraph, LlamaIndex, Haystack
• RL-фреймворки: RLlib, Stable Baselines3 и др.
• Инструменты: Git, Docker, Kubernetes, MLflow, Prometheus, Grafana, SQL
• Вычисления: собственный GPU-кластер

Не обязательно знать всё - важно, чтобы часть стека была вам знакома, а остальное вы были готовы освоить.

Будет преимуществом

• Знания в нефтегазовой отрасли (разработка месторождений, геология)
• Опыт применения Reinforcement Learning для решения прикладных задач
• Опыт работы с Kubernetes и облачными платформами
• Публикации, выступления, менторство

• Гибридный формат работы (Невская Ратуша)
• Срочный трудовой договор с последующей пролонгацией;
• Возможность быстрого роста для результативных специалистов;
• Достойную твоего профессионального уровня заработную плату, годовую премию по результатам деятельности, дополнительную материальную мотивацию за особые достижения;
• Интенсивное обучение на практике, доступ к образовательному контенту
• ДМС и страхование жизни.