Мы — крупный современный агропромышленный холдинг полного цикла. Наш бизнес опирается на три фундаментальных направления: птицеводство (мясо и яйцо), собственное производство комбикормов и растениеводство открытого грунта.
Мы накопили огромный массив исторических данных и сейчас находимся на этапе масштабной цифровой трансформации. Ищем сильного технического лидера, который возглавит направление машинного обучения (ML) и больших языковых моделей (LLM), чтобы сделать управление производством data-driven.
Чем предстоит заниматься:
Этап 1: Создание аналитического AI-чата (Quick Win)
- Интеграция LLM с нашими базами управленческой и производственной отчетности (1С, ERP, BI-системы).
- Разработка AI-ассистента на базе архитектуры Text-to-SQL / Agentic AI для работы со структурированными табличными данными без «галлюцинаций».
- Настройка моделей на мгновенный кросс-анализ: сравнение показателей (план/факт), выявление аномалий и автоматическая генерация аналитических саммари по запросу на естественном языке.
Этап 2: Развитие специфичных ML-продуктов (Стратегия)
Вам предстоит погрузиться в физику процессов и вместе с бизнесом создавать предиктивные модели для трех направлений:
Птицеводство: Прогнозирование продуктивности (яйценоскость, привес) и падежа; аналитика конверсии корма (FCR); оптимизация микроклимата в птичниках; внедрение компьютерного зрения (CV) для контроля активности и веса птицы.
Комбикормовый завод: ML-оптимизация рецептур (поиск математического идеала между питательностью корма и волатильностью цен на сырье); предиктивное обслуживание оборудования завода для минимизации простоев.
Растениеводство (Точное земледелие): Прогнозирование урожайности на основе исторических данных, метеоусловий и состояния почв; оптимизация распределения ресурсов (удобрения, СЗР).
Организация баз данных и инфраструктуры (Data Engineering):
- Аудит текущих источников данных (телеметрия с полей, датчики птичников, АСУ ТП завода, отчетность).
- Проектирование архитектуры единого хранилища (DWH / Data Lake) под задачи аналитики и ИИ.
- Выстраивание MLOps-процессов: обеспечение полного цикла от исследования (research) до вывода моделей в production.
- Формирование ИИ-стратегии компании, расчет ROI и построение in-house команды (Data Engineers, Data Scientists).
Ожидания от кандидата:
- Опыт в Data Science / ML: от 4–5 лет коммерческой разработки, из них от 1,5–2 лет на позиции Lead / Head of ML (управление проектами и людьми).
- LLM & Структурированные данные: Подтвержденный опыт работы с фреймворками для AI-агентов (LangChain, LlamaIndex и др.). Критически важен практический опыт построения систем Text-to-SQL (умение заставить LLM работать с цифрами и базами данных).
- Классический ML: Уверенное владение алгоритмами машинного обучения для работы с табличными данными (CatBoost/LightGBM) и временными рядами (Time Series). Опыт решения оптимизационных задач.
- Инженерия данных: Продвинутое знание SQL. Опыт проектирования баз данных (ClickHouse, PostgreSQL, Greenplum) и понимание того, как выстроить ETL-пайплайны (навести порядок в "зоопарке" данных).
- Бизнес-мышление: Умение переводить язык агрономов и технологов в математические задачи с понятным экономическим эффектом.
- Будет огромным плюсом: Опыт работы в AgroTech, FMCG, логистике или на реальном физическом производстве.
Технический стек:
- Языки: Python, SQL.
- ML/LLM: Scikit-Learn, PyTorch. Open-source LLM (Llama 3, Qwen, Mistral) и коммерческие API.
- Инфраструктура: Docker, Git, Airflow, MLflow.
Мы предлагаем:
- Greenfield-проект: Уникальная возможность построить AI-экосистему для крупного бизнеса практически с нуля.
- Реальный масштаб: Ваши алгоритмы будут напрямую влиять на то, как растет пшеница, производится корм и работает птицефабрика.
- Доход: Конкурентная заработная плата обсуждается индивидуально.
- Ресурсы: Выделенный бюджет на инфраструктуру, облака/GPU и формирование команды.
- Добровольное медицинское страхование после окончания испытательного срока
- Корпоративная сотовая связь
- Предоставление служебного транспорта
- График 5/2, рабочий день с 8:30 до 17:30
