ГК «Технопарк» — производитель и поставщик оборудования для нефтехимической и атомной промышленности. С 2003 года работаем с корпоративным сегментом; среди клиентов — «Росатом», «Газпром», «Роснефть», «Сибур», «Норильский никель» и др. Запускаем внутреннюю систему CPQ и аналитическую платформу для производственного бизнеса — усиливаем команду разработкой и данными.
О проекте
Создаём систему автоматизированного расчёта коммерческих предложений (CPQ) и аналитическую платформу для производства. Проект сочетает ML, инженерные расчёты и промышленную аналитику, работает с «тяжёлыми» инженерными данными (материалы, размеры, единицы, формулы).
Обязанности
- Разработка и поддержка API расчёта изделий (FastAPI + SQLAlchemy).
- Интеграции с ML-моделями (REST/gRPC), сопровождение версий.
- Построение ETL-пайплайнов для ClickHouse / Postgres.
- Подготовка и поддержка обучающих выборок для ML.
- Работа с инженерными данными: нормализация единиц, мэппинги, проверка целостности.
- Участие в проектировании архитектуры и CI/CD.
Tech Stack
- Python 3.9+, FastAPI, SQLAlchemy, Pandas
- Postgres, ClickHouse
- Docker, Git, CI/CD
- Источники: Excel/CSV
- (Соседние контуры продукта: React, TypeScript)
- Формат моделей: pickle (и/или REST-обёртки)
Обязательно
- 2–4 года как Python Developer с ML-бэкграундом / Data Engineer.
- Уверенное владение Python, Pandas, SQL.
- Опыт с FastAPI (REST), Postgres, ClickHouse, Docker.
- Интеграция/эксплуатация ML-моделей через REST API.
- Написание ETL-скриптов для сбора и очистки данных.
- Понимание инженерных стандартов данных (единицы, нормализация, мэппинги).
- Базовые DevOps-навыки (контейнеризация, CI/CD, мониторинг).
Желательно
- Понимание полного цикла ML: данные → обучение → инференс → мониторинг.
- Опыт с MLOps-инструментами.
- Практика вывода и поддержки моделей в production.
- Опыт BI-дашбордов (Metabase / Power BI / DataLens).
Soft skills
- Уважение к инженерии, документации и проверке гипотез данными.
- Готовность коммуницировать с аналитиками и инженерами без ML-бэкграунда.
- Умение находить баланс между «идеально» и «работает».
- Самостоятельность и ответственность.
Мы предлагаем
- Участие в создании промышленной платформы («мозг производства», а не просто сайт).
- Полный жизненный цикл промышленного ML-продукта.
- Возможность выстраивать архитектуру с нуля (новый продукт).
- Гибкую роль на стыке ML, инженерии данных и продакшн-поддержки.
- Работа с реальными физическими моделями и инженерными расчётами.
- Оформление по ТК РФ, наставничество, оборудованное рабочее место, корпоративная связь.
- Пятидневка, гибкое начало дня 8:00–10:00.
