Аналитик данных

Обязанности: Находить и загружать открытые данные из Интернета, научных публикаций, репозиториев и других доступных источников. Формировать структурированные наборы данных из уже имеющихся материалов; приводить файлы и записи к согласованному формату. Объединять несколько наборов данных в один, а при необходимости — корректно разделять большой набор на тематические или технологические части. Проводить контроль качества: искать дубли, пропуски, несогласованные поля, неверные типы данных и единицы измерения и другие проблемы. Разрабатывать скрипты для автоматизации загрузки, очистки, преобразования, проверки и экспорта данных. Проектировать понятную структуру данных, названия полей, метаданные и правила их использования. Создавать простые веб-интерфейсы на Flask для просмотра, поиска, фильтрации и выгрузки данных. Читать научные статьи, понимать, какие именно данные в них представлены, и извлекать информацию в структурированном виде. Документировать происхождение данных и выполненные преобразования так, чтобы результат можно было проверить и воспроизвести. Дорабатывать существующие наборы и интерфейсы по обратной связи исследователей. Требования: Для специалиста, который умеет превращать разрозненные научные данные в понятные, проверяемые и удобные для дальнейшей работы наборы. Мы ищем аналитика данных с хорошими практическими навыками программирования. Основная задача — не генерировать новые экспериментальные данные, а грамотно работать с уже существующими: находить, загружать, проверять, объединять, разделять, нормализовать и представлять их в форме, удобной для ученых и программных систем. Здесь важны одновременно аккуратность, инженерное мышление и способность понять смысл данных, описанных в научной статье или размещенных в открытом источнике. Кому подойдет эта работа Тем, кому нравится наводить порядок в сложной информации и делать данные действительно пригодными для использования. Специалистам, которым интересно сочетать Python, веб-инструменты и содержательную работу с научными источниками. Тем, кто хочет видеть практический результат своей работы в исследованиях, а не только готовить отчеты и презентации. Что важно для нас Практический опыт работы с данными от 3 лет. Уверенное владение Python: работа с файлами, таблицами, текстовыми форматами и автоматизация повторяющихся операций. Опыт работы с pandas или аналогичными средствами обработки табличных данных. Понимание базовых принципов ETL/ELT: получение данных, преобразование, проверка и загрузка в целевой формат. Умение работать с CSV, JSON, Excel и другими распространенными форматами; понимание кодировок, типов данных и проблем совместимости. Навык самостоятельного разбора чужих данных и скриптов, поиска причин ошибок и аккуратного исправления. Базовые навыки создания веб-интерфейсов на Flask или готовность быстро довести их до рабочего уровня. Умение читать технические и научные тексты, извлекать из них факты и переводить их в формализованную структуру. Внимательность к деталям, системность и привычка проверять результат, а не только добиваться успешного запуска кода. Будет преимуществом Химическое, химико-технологическое, физико-химическое или иное естественно-научное образование. Опыт с SQL, API, веб-скрейпингом, Git/GitHub, Linux, регулярными выражениями и автоматизированными проверками качества данных. Опыт проектирования небольших баз данных, каталогов, научных репозиториев или внутренних информационных систем. Понимание принципов воспроизводимости и происхождения научных данных (data provenance). Опыт работы в исследовательской, инженерной или R&D-среде. Что полезно приложить к отклику Резюме с описанием проектов, в которых вы самостоятельно работали с данными. Ссылки на GitHub, примеры скриптов, небольшие веб-приложения или другие технические работы — если их можно показать. Краткое описание одного наиболее сложного набора данных, который вам приходилось приводить в порядок. Условия: Работу в ИОХ РАН — одном из лидеров цифровой трансформации российской науки. Участие в активном научном коллективе — одном из ведущих мировых исследовательских центров по ИИ в химии. Задачи с реальными научными данными, программами и исследовательскими проектами, а не только с типовыми коммерческими кейсами. Возможность профессионального роста, участия в публикациях и научных проектах; при желании — возможность подготовки и защиты диссертации. Официальное оформление по ТК РФ, полностью официальную заработную плату и оплачиваемый отпуск. Очный формат работы. Дистанционная работа не предусмотрена. Гибкий режим по количеству рабочих часов в день; конкретный график согласуется с учетом задач и загрузки