Коротко о нас:
Компания СККИА — резидент «Сколково» и технопарка «Университетский». Мы занимаемся цифровизацией энергетики (Smart Grid). Наш продукт — ПАК «Регистратор», система IIoT, которая превращает обычные городские подстанции в интеллектуальные узлы, предотвращая аварии и веерные отключения.
Ищем ML-инженера, который возьмет на себя задачи по прогнозированию нагрузок и выявлению аномалий в энергосети.
Это идеальная позиция для второй работы: у нас минимум созвонов, нет тайм-трекеров, а задачи можно выполнять в удобное время (вечером или на выходных).
🧪 Чем предстоит заниматься
Мы работаем с реальными временными рядами (телеметрия с трансформаторов: токи, напряжения, температуры). Ваша задача — превратить сырые данные в инсайты для диспетчеров.
Research & Experiments: Подбор и исследование архитектур (PyTorch) для задач прогнозирования (forecasting) и детекции аномалий. Постановка гипотез и сравнение с бейзлайнами.
Production Ready: Обучение, валидация и, главное, подготовка моделей к внедрению. Экспорт в ONNX, оптимизация инференса.
Integration: Совместная работа с Data Platform Engineer для встраивания моделей в пайплайны обработки данных (через RabbitMQ/ClickHouse).
🧠 Кого мы ищем
Нам нужен самостоятельный инженер (Middle), который уже выводил модели в прод и понимает, что Jupyter Notebook — это только начало пути.
Будет плюсом:
🤖 Почему стоит откликнуться
AI-инструментарий: Мы официально оплачиваем сотрудникам доступ к Perplexity и Coding AI (Codex/Z.AI). Мы приветствуем использование нейросетей для написания бойлерплейта и ускорения ресерча.
Комфортное совместительство: Формат "сделал задачу — свободен". Мы не следим за тем, когда вы работаете, нам важен обученный вес модели и отчет по метрикам.
Реальное влияние: Ваши модели будут работать на реальных объектах городской инфраструктуры, помогая предотвращать аварии, а не просто крутить рекламу.
Отсутствие бюрократии: Прямой контакт с техлидом, никаких долгих согласований.
💰 Условия
Если вы хотите применять свои знания ML на реальных физических данных и ищете стабильный дополнительный доход — ждем вашего отклика!
В сопроводительном письме: Расскажите коротко: какой ваш проект дошел до реального использования (продакшена)? Нам важно понимать, что вы умеете не только обучать модели в ноутбуке, но и упаковывать их для жизни.
Вопрос на засыпку: Мы работаем с временными рядами (электрическая нагрузка). Допустим, вы обучаете модель прогнозирования на исторических данных. Какую стратегию валидации (CV) вы выберете, чтобы избежать "заглядывания в будущее" (data leakage), и почему стандартный K-Fold здесь может не подойти?
