Data Scientist

Ключевые требования:

• Минимум 5 лет в Data Science, из них 3+ года доведения ML-моделей до production
• Опыт работы с данными непрерывных технологических процессов (металлургия, ГМК, нефтехимия, энергетика)
• Подтверждённый экономический эффект от внедрённых моделей (кейсы с цифрами)
• Готовность к командировкам на промышленные площадки и умение говорить с технологами на их языке

Обязательные Hard Skills:

• Python-стек: pandas, NumPy, scikit-learn; градиентный бустинг (LightGBM/XGBoost/CatBoost) как основной инструмент, PyTorch — по необходимости
• Временные ряды технологических процессов:
  • прогнозирование, детекция аномалий, фильтрация шумов и сбоев сенсорики
  • работа с лагами процесса, ресемплингом, синхронизацией данных разной дискретности
• Постановка задачи от экономики: определение baseline, метрики эффекта и методики его подтверждения (пред/пост-оценка, A/B на агрегатах) совместно с ФЭС заказчика
• Работа с промышленными источниками данных: историаны (PI/аналоги), MES, LIMS, ручные лабораторные данные — их сопоставление и очистка
• Советующие (advisory) модели: рекомендация уставок оператору, методы оптимизации (суррогатные модели, байесовская оптимизация, LP/NLP)
• Оценка применимости модели: интерпретируемость (SHAP), границы применимости, деградация и дрейф

Инфраструктурные навыки:

• Git, code review, Docker
• Основы MLOps: MLflow или аналоги, версионирование моделей и данных, мониторинг дрейфа в production
• SQL, работа с time-series хранилищами (ClickHouse/TimescaleDB)

Желательные навыки:

• Физико-химическое понимание металлургических или химических переделов
• Опыт участия в пилотах/аудитах на стороне вендора (пресейл, защита эффекта перед заказчиком)
• Reinforcement Learning / MPC для управления процессами
• Опыт развёртывания моделей в закрытых контурах (on-prem, без интернета)
• Опыт наставничества junior/middle DS