ML-инженер
Описание
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.