Data Scientist

● Гибридный формат работы

● Официальное трудоустройство в аккредитованной ИТ-компании

● Срочный трудовой договор от 6 месяцев с последующим продлением

● Годовая премия по результатам деятельности, дополнительная материальная мотивация (премия из фонда руководителя)

● Качественная программа ДМС со стоматологией, социальный пакет

● Конкурентоспособная заработная плата по результатам интервью

● Корпоративные курсы, конференции, внутренние хакатоны

● Дружная команда профессионалов и возможность расти вместе с лидером отрасли

● Разрабатывать агентные системы для решения инженерных задач: работа с технической документацией, регламентами, расчётными методиками

● Проектировать и внедрять RAG-системы для извлечения знаний из технической документации и внутренних баз данных

● Дообучать и адаптировать открытые модели под отраслевую специфику, оценивать качество, строить бенчмарки на доменных данных

● Расставлять скважины и планировать программу бурения

● Оптимизировать логистику: маршрутизация, планирование поставок, управление запасами

● Оптимизировать инфраструктуру и режимы работы объектов

● Ставить задачи как MILP / нелинейных / стохастических, применять гибридные подходы «оптимизация + ML»

● Прогнозировать временные ряды: добыча, отказы оборудования, спрос

● Анализировать изображения: интерпретация карт и сейсмических данных, дефектоскопия

● Проводить видеоаналитику на промышленных объектах — контроль безопасности и технологических операций

● Модели, доведённые до продакшена, а не только до ноутбука

● Опыт в одном из направлений (LLM, оптимизация, CV, временных рядов) и готовность освоить смежные

● Умение самостоятельно декомпозировать задачу от бизнес-формулировки до метрики

● Фундаментальные знания: Высшее техническое или математическое образование, уверенная ориентация в линейной алгебре, теории вероятностей, математической статистике и методах оптимизации

● Опыт в ML/DL: Понимание принципов работы классических алгоритмов и ключевых архитектур нейронных сетей (CNN, RNN, Transformers)

● Production-ready код: Умение работать с Git, Docker и консолью Linux, умение писать чистый, тестируемый код (ООП, CI/CD)

● Базовый MLOps: Docker, CI/CD, версионирование экспериментов

● Базы данных: Знание основ SQL и умение самостоятельно получить нужные данные

● Язык Python

● Библиотеки: NumPy, Pandas, Scikit-learn, PyTorch, TensorFlow, Hugging Face Transformers

● LLM-фреймворки: LangChain, LangGraph, LlamaIndex, Haystack

● RL-фреймворки: RLlib, Stable Baselines3 и др.

● Инструменты: Git, Docker, Kubernetes, MLflow, Prometheus, Grafana, SQL

● Готовность освоить остальную часть стека