Middle Optimization Analyst / Operations Research Specialist
Описание
Ищем Middle Optimization Analyst для разработки и внедрения математических моделей оптимизации бизнес-процессов.Основное направление работы - создание комплексных аналитических решений, объединяющих прогнозирование спроса на основе Machine Learning и математическую оптимизацию. Какие задачи вам предстоят: Разработка математических моделей оптимизации для решения прикладных бизнес-задач Формализация бизнес-требований в виде математических моделей: целевых функций, переменных и ограничений Решение задач линейного (LP), смешанного целочисленного (MILP) и нелинейного программирования (NLP) Интеграция прогнозов спроса и результатов ML-моделей в оптимизационные алгоритмы Разработка оптимизационных моделей для управления запасами, планирования поставок и производства с учетом прогнозного спроса Учет неопределенности прогнозов, сценариев спроса и бизнес-ограничений при поиске оптимальных решений Совместная работа с Data Scientist над комплексными решениями, объединяющими прогнозирование и оптимизацию Разработка и реализация оптимизационных алгоритмов на Python с использованием специализированных библиотек и решателей Проведение вычислительных экспериментов, сценарного анализа и оценки чувствительности моделей Анализ результатов оптимизации, оценка экономической эффективности и подготовка рекомендаций для бизнеса Повышение производительности оптимизационных моделей и участие в их внедрении в промышленную эксплуатацию Здорово, если у вас есть: Опыт работы в математической оптимизации, Operations Research или смежных аналитических направлениях от 2 лет Хорошее понимание методов математического программирования (LP, MILP) Практический опыт разработки математических моделей с целевыми функциями и ограничениями Уверенное владение Python, Pandas, NumPy Опыт работы с библиотеками математической оптимизации: Pyomo, PuLP, CVXPY, PySCIPOpt или аналогами Опыт использования решателей: Gurobi, CPLEX, SCIP, HiGHS, CBC или аналогов Понимание принципов прогнозирования временных рядов и применения прогнозов спроса в задачах оптимизации Базовые знания Machine Learning и методов прогнозирования (регрессия, градиентный бустинг, статистические модели временных рядов) Понимание влияния ошибок прогнозирования на результаты оптимизационных решений Умение работать с временными рядами, анализировать тренды, сезонность и аномалии данных Уверенное владение SQL и навыки работы с Git Способность самостоятельно разрабатывать модели и интерпретировать результаты с точки зрения бизнес-задач Будет преимуществом: Опыт разработки комплексных решений, объединяющих Demand Forecasting и Mathematical Optimization Практический опыт работы с CatBoost, XGBoost, LightGBM или другими ML-алгоритмами Опыт построения моделей прогнозирования спроса для Sell-In и Sell-Out Знание методов стохастической, робастной и сценарной оптимизации Опыт оптимизации запасов, пополнения, производственного и логистического планирования Понимание метрик качества прогнозирования: WAPE, MAE, RMSE, Bias Опыт работы с Google OR-Tools и Constraint Programming (CP-SAT) Знание эвристических и метаэвристических методов оптимизации Опыт работы с большими оптимизационными моделями и методами ускорения вычислений Опыт работы с Airflow, Docker и промышленным развертыванием аналитических решений