Data Scientist / ML Engineer

Deffic Компания

Information Technologies

Зарплата

По договорённости

На руки, до вычета НДФЛ · обсуждается

Локация

Не указано

Формат

Удалённо

Занятость

Проектная

Добавлено

24 August 2026

О вакансии

Что предстоит делать

Ищем Data Scientist / ML Engineer для удалённого проекта в РФ с опытом работы в ML, временных рядах и оптимизации. Формат: удаленно. Локация и гражданство: РФ. Оформление: только по ИП. Английский: от B1. Уровень: Middle. Обязательно: Уверенное знание Python и SQL; Хорошее понимание методов машинного обучения и математической статистики: линейные модели, Random Forest, градиентный бустинг; Практический опыт работы с временными рядами: подготовка данных, прогнозирование, оценка качества и кросс-валидация; Опыт работы с библиотеками градиентного бустинга: XGBoost, LightGBM или CatBoost; Знание методов математической и дискретной оптимизации: LP, MILP / MIP; Практический опыт работы хотя бы с одним из инструментов оптимизации: Pyomo, OR-Tools, PuLP или аналоги; Опыт использования оптимизационных решателей: Gurobi, CPLEX, SCIP, COPT, GLPK или аналоги; Опыт разработки ML-решений от анализа данных и построения модели до рабочего прототипа; Уверенное владение Git. Желательно: Опыт применения продвинутых моделей прогнозирования временных рядов: Prophet, LSTM, DeepAR или аналогов; Опыт работы с большими данными и Data-инфраструктурой: Spark / PySpark, S3; Опыт интеграции ML-моделей в сервисы и понимание базового MLOps: FastAPI, Docker, CI/CD, KubeFlow или аналоги; Опыт написания unit- и integration-тестов, понимание ООП; Опыт в FMCG / Supply Chain / Demand Planning / Forecasting / ERP / APS. Задачи: Сбор, очистка и подготовка данных из различных источников для дальнейшего анализа; Проведение первичного анализа данных: выявление закономерностей и аномалий, создание визуализаций; Разработка и внедрение моделей машинного обучения (включая регрессию, классификацию и кластеризацию), особый фокус на разработку моделей, связанных с временными рядами; Разработка оптимизатора, основанного на линейной и смешанно-целочисленной оптимизации, LP, MILP; Оценка качества моделей, настройка гиперпараметров и проведение кросс-валидации; Участие в интеграции моделей в бизнес-процессы компании; Подготовка аналитических отчетов; Эффективное взаимодействие с представителями бизнеса и техническими командами; Улучшение текущих подходов и изучение новых инструментов и алгоритмов.

Требования

Что мы ждём от кандидата

Уверенное знание Python и SQL;
Хорошее понимание методов машинного обучения и математической статистики: линейные модели, Random Forest, градиентный бустинг;
Практический опыт работы с временными рядами: подготовка данных, прогнозирование, оценка качества и кросс-валидация;
Опыт работы с библиотеками градиентного бустинга: XGBoost, LightGBM или CatBoost;
Знание методов математической и дискретной оптимизации: LP, MILP / MIP;
Практический опыт работы хотя бы с одним из инструментов оптимизации: Pyomo, OR-Tools, PuLP или аналоги;
Опыт использования оптимизационных решателей: Gurobi, CPLEX, SCIP, COPT, GLPK или аналоги;
Опыт разработки ML-решений от анализа данных и построения модели до рабочего прототипа;
Уверенное владение Git.