Описание
Компания указана как занимающаяся подбором персонала, IT-аутстаффингом и рекрутментом.
Задачи
•Собирать, очищать и подготавливать данные из различных источников для дальнейшего анализа
•Проводить первичный анализ данных, выявлять закономерности и аномалии, создавать визуализации
•Разрабатывать и внедрять модели машинного обучения, включая регрессию, классификацию и кластеризацию, с особым фокусом на моделях временных рядов
•Разрабатывать оптимизатор на основе линейной и смешанно-целочисленной оптимизации LP и MILP
•Оценивать качество моделей, настраивать гиперпараметры и проводить кросс-валидацию
•Участвовать в интеграции моделей в бизнес-процессы компании
•Подготавливать аналитические отчёты
•Взаимодействовать с представителями бизнеса и техническими командами
•Улучшать текущие подходы и изучать новые инструменты и алгоритмы
Требования
•Уверенно владеть Python и SQL
•Хорошо понимать методы машинного обучения и математической статистики, включая линейные модели, Random Forest и градиентный бустинг
•Иметь практический опыт работы с временными рядами: подготовка данных, прогнозирование, оценка качества и кросс-валидация
•Иметь опыт работы с XGBoost, LightGBM или CatBoost
•Знать методы математической и дискретной оптимизации LP, MILP и MIP
•Иметь практический опыт работы хотя бы с одним инструментом оптимизации: Pyomo, OR-Tools, PuLP или аналогами
•Иметь опыт использования оптимизационных решателей: Gurobi, CPLEX, SCIP, COPT, GLPK или аналогов
•Иметь опыт разработки ML-решений от анализа данных и построения модели до рабочего прототипа
•Уверенно владеть Git
•Будет плюсом: опыт применения продвинутых моделей прогнозирования временных рядов, работы с большими данными и Data-инфраструктурой, интеграции ML-моделей в сервисы и понимание базового MLOps, написания unit- и integration-тестов и понимание ООП, опыт в FMCG, Supply Chain, Demand Planning, Forecasting, ERP или APS
Условия
Условий в вакансии нет
