ML-инженер
АЙ-ТЕКО - ведущий российский системный интегратор и поставщик IT-решений для корпоративных заказчиков. Мы реализуем проекты для крупных компаний и развиваем решения на основе современных технологий анализа данных и машинного обучения.
В связи с реализацией проекта по оптимизации производства крупного промышленного предприятия приглашаем в команду ML Engineer.
Задачи
-
Проведение EDA (Exploratory Data Analysis) и исследование предоставленных производственных данных;
-
Подготовка и анализ данных для последующего моделирования;
-
Построение и обучение моделей машинного обучения;
-
Подбор алгоритмов и проведение тюнинга моделей на предложенных данных;
-
Применение статистических методов для анализа данных и проверки гипотез;
-
Оценка качества моделей и достижение целевых метрик;
-
Проверка бизнес-гипотез с использованием ML-моделей;
-
Подготовка решения к масштабированию в случае подтверждения бизнес-гипотезы и достижения требуемых метрик;
-
Работа с данными с использованием SQL;
-
Взаимодействие с участниками проекта и техническими специалистами;
-
Ведение технической документации;
-
Участие в подготовке ежемесячных отчетов по проекту.
Требования
-
Опыт работы именно в профиле ML Engineer / Machine Learning Engineer от 3 лет;
-
Практический опыт разработки, внедрения и вывода моделей машинного обучения в production;
-
Свободное владение Python;
-
Уверенное владение основными библиотеками: NumPy, Pandas, Scikit-learn, Statsmodels, PyTorch;
-
Понимание математической статистики, алгоритмов и структур данных;
-
Практический опыт применения статистических методов и ML-моделей;
-
Опыт проведения EDA (исследовательского анализа данных);
-
Уверенные навыки работы с SQL;
-
Опыт работы с базами данных: MySQL, PostgreSQL или MongoDB;
-
Понимание математических основ машинного обучения: линейная алгебра, теория вероятностей, математический анализ, методы оптимизации;
-
Высшее техническое или естественнонаучное образование.
В исключительных случаях рассматриваем кандидатов с экономическим образованием, если оно получено в сильном вузе и предполагает серьезную подготовку по математике и эконометрике.
Будет преимуществом
-
Опыт работы в промышленности;
-
Опыт решения задач, связанных с оптимизацией производственных процессов;
-
Опыт работы с производственными данными;
-
Опыт реализации ML-проектов в реальном бизнесе;
-
Понимание основ MLOps.
Опыт именно в горно-металлургической отрасли не обязателен. Нам важнее наличие успешного опыта применения ML в промышленности или других реальных бизнес-задачах. При этом промышленный опыт будет существенным преимуществом и повышает перспективы долгосрочного сотрудничества.
Важный момент
Мы ищем именно ML Engineer, а не специалиста по аналитике данных.
Нам нужен специалист, который умеет не только проводить анализ и строить модели, но и разрабатывать ML-решения для реального бизнеса, доводить их до production и готовить к дальнейшему промышленному внедрению.
Опыт исключительно в роли Data Analyst / BI Analyst / классического аналитика, без практического опыта разработки и вывода ML-моделей в production, не соответствует профилю позиции.
Также позиция не предполагает работу с LLM/GenAI и не является позицией MLOps-инженера.
Условия
-
Удаленный формат работы с несколькими командировками на производство в Мурманск, г. Мончегорск (ориентировочно три за время проекта).
- Работу в стабильной компании, "белую" заработную плату;
- Оформление в соответствии с ТК РФ с первого дня работы;
- Расширенный социальный пакет: ДМС (включая стоматологию), корпоративные скидки на посещение фитнес-клубов, футбольная и волейбольная секции;
- Профессиональное обучение и развитие;
- Яркая и насыщенная корпоративная жизнь;
-
Работа над реальным проектом по оптимизации производственных процессов крупного промышленного предприятия;
-
Возможность участвовать в разработке решений, которые при подтверждении эффективности будут масштабироваться и внедряться в производственные процессы.
Почему этот проект интересен
Вы будете работать не с учебными датасетами и не с абстрактными моделями, а с реальными производственными данными и бизнес-гипотезами, где результат ML-модели напрямую связан с эффективностью производственного процесса.
Проект подойдет специалисту, которому интересно видеть полный путь ML-решения: от исследования данных и построения модели до проверки гипотезы, подготовки к масштабированию и промышленного внедрения.