Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
Описания нет
задачи
Создавать методологии, эвристики и строить пайплайны машинного обучения для цифровых продуктов компании;
Проверять гипотезы и находить скрытые закономерности с помощью статистики и машинного обучения;
Разрабатывать алгоритмы машинного обучения, их продуктивизировать и настраивать поддержку;
Осуществлять мониторинг качества данных и модели, а также дообучать модель в случае необходимости;
Писать документацию по продукту.
требования
Отлично знаете Python, имеете опыт работы с Spark, Pyspark, SQL и работы с S3;
Знаете современные алгоритмы машинного обучения и оптимизации;
Знаете математическую статистику и основы машинного обучения: линейные модели, Random Forest, LSTM;
Работаете с библиотеками градиентного бустинга: XGBoost, LightGBM, CatBoost;
Применяете глубокое обучение для временных рядов: LSTM, Prophet, DeepAR;
Работаете с временными рядами: очистка, прогнозирование и кросс-валидация;
Используете методы дискретной оптимизации и математическое программирование (LP, MILP, MIP);
Владеете инструментами оптимизации (Pyomo/OR-Tools/PuLP/COIN-OR) и решателями (Gurobi/CPLEX/SCIP/COPT/GLPK);
Уверенно владеете Git;
Имеете опыт разработки продуктового машинного обучения решения, начиная от анализа данных и заканчивая созданием прототипа: понимаете архитектуру проектов машинного обучения, настраиваете пайплайны данных, умеете обернуть модель в базовый бэкенд (FastAPI, Hug и другое), обладаете базовыми навыками девопс (умение работать с Docker, KubeFlow);
Базово понимаете архитектуру веб-приложений и бэкенд-сервисов;
Область работы включает жизненные циклы разработки вычислительной и программной инфраструктуры;
Обладаете высокими навыками коммуникации и решения проблем, а также стремитесь к обучению;
Английский язык на уровне Intermediate;
Гражданство РФ;
Будет плюсом опыт работы с жизненными циклами разработки вычислительной и программной инфраструктуры, юнит- и интеграционное тестирование, владение методологией тестирования, понимание принципов CI/CD, ООП и принципы проектирования вычислительных систем, опыт в FMCG в Supply Chain, Demand Planning, Forecasting, ERP, APS, опыт работы в продуктовых командах (Agile, Scrum).