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.