a
➡️ Как же надоели эти однотипные компании с неинтересными задачами и непонимающими руководителями - если это про тебя, то ты по адресу! Мы собираем сразу несколько продуктовых команд в продуктовую аналитику
➡️ Если ты амбициозный data since специалист, который не пасует перед сложными задачами, то не знаю, какое предложение о работе может быть лучше (только для Москвы):
🔸ЗП вилка до 300к + гарантированные бонусы каждому
🔶Формат работы обсуждаем, есть удобный офис в центре Москвы
🔶Сильный буст вас, как специалиста + интересные задачи
🔶ДМС со стоматологом
🔶Что-то еще? - Обсудим!
Что тебя ждет:
🔹Разработка моделей машинного обучения для задач технологической оптимизации нефтехимического производства
🔹Разработка гибридных моделей с использованием методов машинного обучения и технологического моделирования (физика/химия + ML) различной сложности для моделирования технологических основных и вспомогательных процессов нефтехимического производства 🔹Разработка моделей поиска оптимальных режимов работы промышленного процесса на основе моделей процесса, текущей ситуации и известных ограничений на управление
🔹Реализация методов машинного обучения для оптимизации численных расчетов
🔹Интеграция разработанных методов и моделей в единый фреймворк обучения и эксплуатации моделей.
Что от вас нужно
🔻Умение писать понятный код на Python, использовать стандартный набор библиотек (Numpy, Pandas, Scikit-Learn, XGBoost/LightGBM, Seaborn, Scipy).
🔻Понимание принципов работы алгоритмов машинного обучения, границ их применимости, понимание возможных причин почему алгоритм не работает и способность самому решить эту проблему
🔻Понимание основ физического моделирования (например, что такое закон сохранение массы и энергии), а также большое желание изучить эти процессы глубже для разработки эффективных инновационных решений в промышленности
🔻Способность сделать разведочный анализ данных, сделать осознанный отбор признаков, объяснить полученные результаты - Понимание основ работы оптимизационных алгоритмов
Будет плюсом:
🔺Хорошая математическая подготовка хотя бы в одной области и представление о других: численные методы, матфизика, оптимальное управление, теория вероятностей, математическая оптимизация
🔺Способность сделать самостоятельно химическую/физическую модель процесса
Опыт численного моделирования для задач химической кинетики, термодинамики, гидродинамики
🔺Знание основ нефтехимических технологий переработки.
Желание глубоко погружаться в область гибридного моделирования процессов отрасли.
📞 Для связи телеграмм @aeriaal, отвечу на все вопросы!
📨 Почта: mchertkov@csc-hr.ru
➡️ Если ты амбициозный data since специалист, который не пасует перед сложными задачами, то не знаю, какое предложение о работе может быть лучше (только для Москвы):
🔸ЗП вилка до 300к + гарантированные бонусы каждому
🔶Формат работы обсуждаем, есть удобный офис в центре Москвы
🔶Сильный буст вас, как специалиста + интересные задачи
🔶ДМС со стоматологом
🔶Что-то еще? - Обсудим!
Что тебя ждет:
🔹Разработка моделей машинного обучения для задач технологической оптимизации нефтехимического производства
🔹Разработка гибридных моделей с использованием методов машинного обучения и технологического моделирования (физика/химия + ML) различной сложности для моделирования технологических основных и вспомогательных процессов нефтехимического производства 🔹Разработка моделей поиска оптимальных режимов работы промышленного процесса на основе моделей процесса, текущей ситуации и известных ограничений на управление
🔹Реализация методов машинного обучения для оптимизации численных расчетов
🔹Интеграция разработанных методов и моделей в единый фреймворк обучения и эксплуатации моделей.
Что от вас нужно
🔻Умение писать понятный код на Python, использовать стандартный набор библиотек (Numpy, Pandas, Scikit-Learn, XGBoost/LightGBM, Seaborn, Scipy).
🔻Понимание принципов работы алгоритмов машинного обучения, границ их применимости, понимание возможных причин почему алгоритм не работает и способность самому решить эту проблему
🔻Понимание основ физического моделирования (например, что такое закон сохранение массы и энергии), а также большое желание изучить эти процессы глубже для разработки эффективных инновационных решений в промышленности
🔻Способность сделать разведочный анализ данных, сделать осознанный отбор признаков, объяснить полученные результаты - Понимание основ работы оптимизационных алгоритмов
Будет плюсом:
🔺Хорошая математическая подготовка хотя бы в одной области и представление о других: численные методы, матфизика, оптимальное управление, теория вероятностей, математическая оптимизация
🔺Способность сделать самостоятельно химическую/физическую модель процесса
Опыт численного моделирования для задач химической кинетики, термодинамики, гидродинамики
🔺Знание основ нефтехимических технологий переработки.
Желание глубоко погружаться в область гибридного моделирования процессов отрасли.
📞 Для связи телеграмм @aeriaal, отвечу на все вопросы!
📨 Почта: mchertkov@csc-hr.ru