Обязанности:
Коротко о нас: Компания СККИА — резидент «Сколково» и технопарка «Университетский». Мы занимаемся цифровизацией энергетики (Smart Grid). Наш продукт — ПАК «Регистратор», система IIoT, которая превращает обычные городские подстанции в интеллектуальные узлы, предотвращая аварии и веерные отключения. Ищем ML-инженера, который возьмет на себя задачи по прогнозированию нагрузок и выявлению аномалий в энергосети. Это идеальная позиция для второй работы: у нас минимум созвонов, нет тайм-трекеров, а задачи можно выполнять в удобное время (вечером или на выходных). 🧪 Чем предстоит заниматься Мы работаем с реальными временными рядами (телеметрия с трансформаторов: токи, напряжения, температуры). Ваша задача — превратить сырые данные в инсайты для диспетчеров. Research & Experiments: Подбор и исследование архитектур (PyTorch) для задач прогнозирования (forecasting) и детекции аномалий. Постановка гипотез и сравнение с бейзлайнами. Production Ready: Обучение, валидация и, главное, подготовка моделей к внедрению. Экспорт в ONNX, оптимизация инференса. Integration: Совместная работа с Data Platform Engineer для встраивания моделей в пайплайны обработки данных (через RabbitMQ/ClickHouse). 🧠 Кого мы ищем Нам нужен самостоятельный инженер (Middle), который уже выводил модели в прод и понимает, что Jupyter Notebook — это только начало пути. Опыт: от 1 года коммерческой разработки, участие в 2+ завершенных production-проектах. Стек: Уверенный Python, отличное знание PyTorch (кастомные лоссы, DataLoader). Deploy: Опыт работы с ONNX (экспорт, проверка корректности, ограничения). База: Понимание метрик качества, работы с дисбалансом классов и специфики временных рядов. Tools: Git, Docker (для воспроизводимости среды). Будет плюсом: Опыт работы с промышленными данными (IIoT), шумами, пропусками и дрейфом данных. Знание инструментов MLOps (MLflow / DVC). 🤖 Почему стоит откликнуться AI-инструментарий: Мы официально оплачиваем сотрудникам доступ к Perplexity и Coding AI (Codex/Z.AI). Мы приветствуем использование нейросетей для написания бойлерплейта и ускорения ресерча. Комфортное совместительство: Формат "сделал задачу — свободен". Мы не следим за тем, когда вы работаете, нам важен обученный вес модели и отчет по метрикам. Реальное влияние: Ваши модели будут работать на реальных объектах городской инфраструктуры, помогая предотвращать аварии, а не просто крутить рекламу. Отсутствие бюрократии: Прямой контакт с техлидом, никаких долгих согласований. 💰 Условия Занятость: 0.5 ставки (Part-time). Ожидаемая нагрузка ~4 часа в день. Оплата: 55 000 ₽ gross (до вычета НДФЛ) в месяц. Выплаты стабильно 2 раза в месяц. Оформление: Трудовой договор. Локация: Полная удаленка. Если вы хотите применять свои знания ML на реальных физических данных и ищете стабильный дополнительный доход — ждем вашего отклика! В сопроводительном письме: Расскажите коротко: какой ваш проект дошел до реального использования (продакшена)? Нам важно понимать, что вы умеете не только обучать модели в ноутбуке, но и упаковывать их для жизни. Вопрос на засыпку: Мы работаем с временными рядами (электрическая нагрузка). Допустим, вы обучаете модель прогнозирования на исторических данных. Какую стратегию валидации (CV) вы выберете, чтобы избежать "заглядывания в будущее" (data leakage), и почему стандартный K-Fold здесь может не подойти?Похожие вакансии
Договорная
Москва. Станции метро: Площадь Революции, Театральная, Охотный ряд, Библиотека им.Ленина
СБЕР
Договорная
Москва. Станции метро: Площадь Революции, Театральная, Охотный ряд, Библиотека им.Ленина
СБЕР
Договорная
Москва. Станции метро: Площадь Революции, Театральная, Охотный ряд, Библиотека им.Ленина
ITFB Group
Договорная
Москва. Станции метро: Площадь Революции, Театральная, Охотный ряд, Библиотека им.Ленина
Made of Storm
Договорная
Москва. Станции метро: Площадь Революции, Театральная, Охотный ряд, Библиотека им.Ленина
Национальная система платежных карт
Договорная
Москва. Станции метро: Площадь Революции, Театральная, Охотный ряд, Библиотека им.Ленина
ТопФрейм Инновации