Data scientist (аналитик данных)

☑ Основной блок:

Опыт работы: 1–3 года.

Тип занятости: полная занятость.

График работы: полный день.

Зарплата: по результату собеседования.

Примерное место работы: Россия, Москва.

☑ Актуальность объявления:

Это объявление № 21690839 добавлено в базу данных: Четверг, 13 февраля 2025 года.

Дата его обновления на этом интернет-ресурсе: Воскресенье, 16 марта 2025 года.

☑ Репутация компании "КСК-Эйч Ар":

Читайте свежие отзывы сотрудников об этом работодателе здесь!

Оставить своё мнение об этой компании можно тут без регистрации и бесплатно.

☑ Подробности о вакантном месте:

Крупная нефтехимическая компания, лидер на рынке. В связи с увеличением портфеля проектов и решаемых задач, мы расширяем команду продвинутой аналитики и ищем аналитиков данных (data scientists) разного уровня (junior/middle/senior) с инженерной подготовкой, которые стремятся работать и развиваться в областях машинного обучения для индустриальных задач, технологической оптимизации, разработки гибридных моделей и продуктов продвинутой аналитики.

Мы ожидаем, что вы хорошо владеете одной из следующих областей и имеете представление о другой:

• математическое моделирование физических систем (численные методы, в т. ч. решение дифференциальных уравнений и УрЧП);
• машинное обучение и анализ данных в приложении к задачам производства (нефтехимия).

У нас вы найдете:

• Интересные задачи в передовой нефтехимической компани, реальную отдачу от своей работы;
• все необходимые условия для комфортной и продуктивной работы: топовые ноутбуки, внутренний кластер серверов для высокопроизводительных вычислений, хорошая рабочая атмосфера;
• 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 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.

Что мы предлагаем:

• Конкурентную заработную плату по результатам собеседования, премии за эффективную работу и результат.
• Нестандартные сложные задачи, которые требуют креатива и новых подходов, мы работаем в реальном секторе, наши пользователи - реальные люди.
• Современный стек и гибкие методологии разработки, работа в команде высококвалифицированных профессионалов из разных технологических областей.
• Возможность обучения и участия в жизни IT-сообщества: большой выбор курсов в нашем корпоративном университете, посещение митапов, конференций.
• Возможность удаленной работы (график обсуждается индивидуально в зависимости от роли).
• Корпоративные льготы: ДМС, льготное страхование родственников, большой выбор внутренних спортивных секций, скидки на абонементы лучших сетей фитнес-клубов.

Задачи, которые вы будете решать:

• Разработка моделей машинного обучения для задач технологической оптимизации нефтехимического производства.
• 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.

Базовые требования:

• Умение писать понятный код на Python, владение стандартным набор библиотек (Numpy, Pandas, Scikit-Learn, Matplotlib/Seaborn, XGBoost/LightGBM/CatBoost, Scipy).
• Знание принципов машинного обучения и основных алгоритмов, понимание границ их применимости, интерпретации результатов обучения, гибкое мышление решения сложных, иногда нетиповых, задач машинного обучения.
• Понимание основ физического моделирования (например, что такое закон сохранение 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 алгоритмов оптимизационных.

☑ О компании:

Логотип (эмблема, торговая марка, бренд) компании:

Сфера деятельности компании: Услуги для бизнеса; .

☑ Отклинуться сообщением, резюме, запросить телефон, отправить жалобу (претензию):