О команде
Мы – команда АО НПК «БАРЛ»: российской инженерной компании в сфере космических технологий, ДЗЗ и геоинформационных решений. В этом направлении мы разрабатываем прикладное программное решение, которое объединяет данные из разнородных источников (ДЗЗ, телеметрию, справочные и открытые данные) в единое хранилище, выполняет автоматическую обработку и анализ с применением методов машинного обучения, поддерживает релевантную выдачу результатов пользователю через веб-интерфейс и отчётные материалы. В команду нужен ML-инженер, который умеет превращать данные в надёжные алгоритмы и понятный результат для пользователя.
Чем предстоит заниматься (обязанности)
- Разрабатывать и внедрять ML-решения под задачи классификации, ранжирования, выявления аномалий/изменений, прогнозирования и выделения событий (в частности, под задачи анализа данных из разнородных источников, в т.ч. ДЗЗ/телеметрия/справочные и открытые данные, где важны пространственно-временные признаки, события и контекст).
- Автоматизировать подготовку данных к обучению: очистка, нормализация, обработка пропусков, формирование обучающих/проверочных/итоговых наборов.
- Разрабатывать алгоритмы и модели для анализа поведения во времени: траектории/движение/события, оценка активности, выявление изменений и аномалий.
- Строить признаки и представления данных: агрегаты, признаки по временным окнам, последовательности, события и их связи (в зависимости от задачи).
- Обучать модели, проводить оценку качества: подбор метрик, анализ ошибок, проверка устойчивости к шуму/неполноте данных, улучшение по результатам анализа.
- Делать результат пригодным для использования: формат выдачи, интерпретация результатов, уровень уверенности, минимальная “объяснимость”.
- Готовить алгоритмы к эксплуатации: воспроизводимые запуски, фиксация параметров и версий, минимальная документация, участие в интеграции с прикладными сервисами.
Наши ожидания (обязательные)
- Python, умение писать поддерживаемый код, уверенная работа с табличными данными и временными рядами.
- Практический опыт с PyTorch (или TensorFlow).
- Понимание методов ML и статистики: классификация/кластеризация/регрессия, работа с дисбалансом, валидация, переобучение.
- Понимание полного цикла: данные - обучение - оценка - анализ ошибок - улучшения.
- Навык объяснять результаты простым языком (для аналитиков/разработчиков/пользователей).
Будет плюсом
- Опыт с временными рядами: градиентные методы/нейросети, выявление аномалий, разметка событий, прогнозирование.
- Опыт работы с траекториями/геоданными (координаты, расстояния, принадлежность к зонам).
- NLP-практика: правила и ключевые слова, классификация текста, извлечение сущностей (NER), ранжирование релевантности.
- Опыт построения “контрольных наборов” и методик оценки качества, работа с QA-подходом.
- Базовый MLOps: фиксация версий данных/моделей, журнал запусков, воспроизводимость.
Мы предлагаем
- Оформление по ТК.
- Гибкий график и формат работы, офис/удалёнка/гибрид.
- Адекватный процесс: задачи через понятные требования, возможность влиять на технические решения.
- Время на развитие: обучение инструментам, обмен опытом.
- Уровень дохода обсуждается по итогам собеседования.
