Аналитик данных / Data Scientist

У нас вы найдете

• Интересные задачи в передовой нефтехимической компании, реальную отдачу от своей работы.
• Все необходимые условия для комфортной и продуктивной работы: ноутбуки, внутренний кластер серверов для высокопроизводительных вычислений, хорошая рабочая атмосфера и профессиональная команда.
• Разовьёте уникальные компетенции разработки моделей для сложных процессов индустрии.
• Будете учиться и повышать свою квалификацию при ресурсной поддержке компании и опытных наставников.
• Получите опыт работы в кросс-функциональных командах с погружением в бизнес-процессы и гибкие процессы разработки, а не «задачи по ТЗ».
• Поймете, как работает ModelOPS и как правильно запускать модели в промышленную эксплуатацию.
• Перспективы роста, которые напрямую зависят от результатов.

Задачи, которые предстоит решать

• Разработка моделей машинного обучения для задач технологической оптимизации нефтехимического производства.
• Разработка моделей машинного обучения для задач оптимизации бизнес-процессов в маркетинге, ценообразовании, логистике, экологии.
• Извлечение информации из исторических данных, анализ данных и формулировка результатов для повышения качества управления производством.
• Разработка и реализация методов поиска оптимальных режимов работы промышленного процесса.
• Разработка гибридных моделей с использованием методов машинного обучения и технологического моделирования (физика/химия + ML) для моделирования процессов нефтехимического производства.
• Оптимизация вычислений.
• Интеграция разработанных методов и моделей в единый фреймворк обучения и эксплуатации моделей.

Для нас важно

• Умение писать понятный код на Python, знание SQL, владение стандартным набором библиотек (NumPy, Pandas, Scikit Learn, Matplotlib/Seaborn, XGBoost/LightGBM/CatBoost, SciPy).
• Знание теории и опыт в области классического машинного обучения, понимание границ применимости методов, интерпретации результатов обучения, гибкое мышление в решении сложных и иногда нетиповых задач машинного обучения.
• Навык интерпретации алгоритмов машинного обучения.
• Навык работы с текстовыми данными.
• Понимание основ физического моделирования (например, что такое закон сохранения массы и энергии), а также большое желание изучить эти процессы глубже для разработки передовых решений в промышленности.
• Способность сделать разведочный анализ данных, сделать осознанный отбор признаков, объяснить полученные результаты.
• Понимание основ работы оптимизационных алгоритмов.
• Опыт работы 3-6 лет.

Будет плюсом:

• Хорошая математическая подготовка хотя бы в одной области и представление о других: численные методы решения дифференциальных уравнений и УрЧП, математическая физика, оптимальное управление, теория вероятностей и математическая статистика, математическая оптимизация.
• Способность сделать самостоятельно химическую/физическую модель процесса на основе существующего описания.
• Опыт численного моделирования для задач химической кинетики, термодинамики, гидродинамики.
• Знание основ нефтехимических технологий переработки.

Условия

• Уникальная возможность работать в аккредитованной ИТ-компании.
• Стабильный доход, обсуждаемый индивидуально с учетом вашего вклада и результатов работы.
• Увлекательные задачи в крупных проектах, где используются передовые технологии.
• Амбициозная команда профессионалов, готовых воплотить ваши идеи в жизнь.
• Возможности для обучения и развития в IT-сообществе, включая доступ к более чем 400 техническим курсам и участие в мероприятиях компании.
• Перспективы вертикального и горизонтального карьерного роста в крупнейшей нефтегазохимической компании России.
• Корпоративное медицинское страхование, льготы для близких, разнообразные спортивные секции и скидки в сети фитнес-клубов World Class, а также скидки и бонусы от партнеров.
• Гибридный формат работы (график обсуждается индивидуально в зависимости от роли).