Ведущий разработчик (Lead) моделей машинного обучения и оптимизации (Senior / Lead Data Scientist)

Реализуемые проекты направлены на решение комплексных задач в нефтегазовой отрасли, включая создание прогнозных моделей спроса на топливо и оттока клиентов на АЗС, моделей маршрутизации бензовозов, моделей для прогнозирования банкротств контрагентов, а также анализ факторов, влияющих на показатели нефте- и газодобычи скважин. Основные цели проекта заключаются в улучшении логистики, снижении финансовых рисков, повышении лояльности клиентов и увеличении эффективности добычи природных ресурсов.

Обязанности:

• Разработка бэкенда платформы для математического моделирования и оптимизации (SaaS).
• Интеграция вычислительных модулей (микросервисов).
• Организация потоков данных между вычислительными модулями.
• Подготовка результатов расчетов для передачи на frontend.
• Реализация взаимодействия сервисов с базами данных.

Требования:

• Опыт работы от 3 лет в области машинного обучения и data science.

• Уверенное владение Python и основными библиотеками машинного обучения (Scikit-learn, CatBoost, LightGBM, PyTorch, TsFresh, FeatureTools, SHAP, AutoML и др.)

• Применение методов математической оптимизации (генетические алгоритмы, целочисленная оптимизация и др.).

• Глубокие знания методов data science (градиентный бустинг, методы построения ансамблей, методы прогнозирования временных рядов), опыт обработки данных на Python, автоматической генерации признаков и построения прогнозных моделей.

• Умение работы с системами контроля версий.

• Опыт продуктивизации моделей машинного обучения как сервисов.

• Опыт внедрения AutoML моделей (LightAutoML, Auto-sklearn, H2O и др.)

• Опыт разработки микросервисов, работы с контейнерами Docker, Kubernetes.

• Опыт работы с базами данных PostgreSQL, MinIO S3.

Будет плюсом:

• Опыт работы со Spark, Camunda, MLflow.

• Применение нейронных сетей для прогнозирования временных рядов (LSTM-CNN, Transformers, NBeats и др.).
• Знание библиотек математической оптимизации (Scipy, Pymoo, Optuna, OR-Tools, OptaPlanner).

Условия:

• Оформление по ТК в аккредитованную ИТ-компанию
• Формат работы: удалённый или гибрид (офис в нескольких минутах ходьбы от метро Беговая)
• Конкурентная заработная плата (обсуждается индивидуально: в зависимости от опыта, хард скиллов и выбранной позиции)
• ДМС со стоматологией с первых недель работы