Middle DS Developer

Что предстоит делать

Ищем Middle DS Developer в команду, которая занимается анализом технологических процессов, выявлением закономерностей и аномалий, прогнозированием и оптимизацией нагрузки на ресурсы. В роли предстоит не только строить модели, но и доводить разработанные решения до production: интегрировать их в существующую инфраструктуру, анализировать результаты и формировать рекомендации для принятия решений.

• Анализировать данные и технологические процессы, выявлять закономерности и аномалии.
• Разрабатывать и настраивать ML-модели для прогнозирования и оптимизации нагрузки на ресурсы.
• Работать с временными рядами и задачами прогнозирования.
• Разрабатывать решения для обнаружения аномалий.
• Применять графовые методы и алгоритмы для анализа взаимосвязей между объектами.
• Интерпретировать результаты работы моделей и готовить отчёты с выводами и рекомендациями.
• Интегрировать разработанные ML-решения в production-среду.
• Участвовать в проектной деятельности команды и развитии DS-решений.
• Что важно:
• От 1,5 лет опыта работы в Data Science / ML на аналогичной позиции.
• Уверенное владение Python.
• Практический опыт работы с pandas, NumPy, SciPy, Matplotlib, Seaborn, scikit-learn.
• Опыт построения и настройки моделей для временных рядов: ARIMA, SARIMA, LSTM и аналогичные подходы.
• Опыт решения задач по выявлению аномалий: Isolation Forest, автоэнкодеры, статистические методы и др.
• Опыт работы с графами и соответствующими библиотеками: NetworkX, PyTorch Geometric или аналогами.
• Понимание алгоритмов на графах: поиск кратчайших путей, кластеризация, выделение сообществ.
• Опыт работы с PyTorch, TensorFlow / Keras для задач временных рядов и выявления аномалий.
• Знакомство с подходами Reinforcement Learning для задач оптимизации.
• Понимание полного цикла работы ML-модели: от анализа данных и построения модели до её интеграции в production.
• Будет плюсом:
• Опыт работы с большими объёмами данных.
• Опыт внедрения ML-моделей в production.
• Опыт оптимизации вычислительных процессов и использования ML для управления ресурсами.
• Понимание принципов построения ML-пайплайнов и взаимодействия моделей с backend-инфраструктурой.

Что предлагаем