Data Scientist (прогнозирование и оптимизация для энергетики)

Что предстоит делать

<p><em>Full-time</em> <br><em>Remote</em> <br><br><em><nobr>3-месячный</nobr> контракт с возможностью продления</em> <br><br>Мы ищем сильного и самостоятельного Data Scientist для присоединения к проекту по созданию продвинутых возможностей прогнозирования и оптимизации для энерготрейдинговой компании, участвующей в рынках электроэнергии в нескольких регионах. Мы ищем Data Scientist, который возьмет на себя разработку прогностических моделей, напрямую поддерживающих рыночные решения трейдинговой команды.</p><p>Это первый выделенный наем Data Scientist в проекте. Вы установите стандарты моделирования, определите лучшие практики и самостоятельно выполните работу — на протяжении всего жизненного цикла Data Science: от прогнозирования временных рядов и предсказания цен до оптимизации работы батарей и управления моделями. Роль требует глубоких технических знаний и способности напрямую взаимодействовать с бизнес-стейкхолдерами в предметной области, где проблемы действительно сложны.<br><br></p><p><b>Ключевые обязанности</b></p><p>— Проектировать, создавать и валидировать модели прогнозирования временных рядов для нагрузки объектов, рыночного спроса и сигналов цен на электроэнергию</p><p>— Выбирать и настраивать подходящие подходы к моделированию (статистические, ML и глубокое обучение) на основе горизонта прогнозирования, доступности данных и требований к точности</p><p>— Разрабатывать и поддерживать ML-пайплайны на платформе Databricks с использованием PySpark, MLflow и Delta Lake</p><p>— Сотрудничать с экспертами в предметной области для включения рыночных структур, тарифных правил и динамики энергосистемы в признаки моделей и фреймворки для оценки</p><p>— Сообщать о производительности моделей, допущениях и ограничениях как техническим, так и нетехническим стейкхолдерам</p> <p><b>Требования</b></p><p><b>1. Экспертиза в прогнозировании временных рядов</b> У вас есть практический опыт работы с широким спектром методов прогнозирования, и вы знаете, когда какой из них применить. Это включает классические статистические подходы, методы градиентного бустинга и современные архитектуры глубокого обучения. Вы понимаете практические сложности работы с временными рядами: инженерию признаков с лагами и скользящими окнами, обработку сезонности и смены режимов, правильное разделение на обучающую/валидационную/тестовую выборки и предотвращение утечки данных.</p><p><b>2. Владение платформой Databricks</b> Вы комфортно работаете от начала до конца в Databricks — от исследовательского анализа в ноутбуках до перевода моделей в продуктивную среду с помощью отслеживания в MLflow, реестра моделей и запланированных задач или рабочих процессов. Опыт работы с Delta Lake для версионированных, удобных для аудита пайплайнов данных является большим плюсом. Знакомство с Unity Catalog и Databricks Feature Store приветствуется.</p><p><strong>Английский — B2+</strong></p><p><b><br>Будет плюсом</b></p><p>— Вы работали в секторе электроэнергетики или смежно с ним и понимаете данные и динамику, которые им управляют</p><p>— Опыт работы с графовым машинным обучением или графовыми нейронными сетями (GNN)</p><p>— Опыт работы с вероятностным прогнозированием (предиктивные интервалы, квантильная регрессия, конформное прогнозирование)</p><p>— Опыт работы с пайплайнами инференса в реальном времени или близком к реальному времени</p><p>— Знакомство с интеграцией данных о погоде для прогнозирования нагрузки и возобновляемых источников энергии</p><p>— Знакомство с оптимизацией хранения энергии в батареях или методами исследования операций для диспетчеризации энергетических активов</p><p><strong>С нетерпением ждем ваших откликов! </strong></p> <div> <a href="https://jobs.dou.ua/companies/hiretop/vacancies/364531/#reply-btn-id">Відгукнутись на вакансію</a> </div>