● Гибридный формат работы
● Официальное трудоустройство в аккредитованной ИТ-компании
● Срочный трудовой договор от 6 месяцев с последующим продлением
● Годовая премия по результатам деятельности, дополнительная материальная мотивация (премия из фонда руководителя)
● Качественная программа ДМС со стоматологией, социальный пакет
● Конкурентоспособная заработная плата по результатам интервью
● Корпоративные курсы, конференции, внутренние хакатоны
● Дружная команда профессионалов и возможность расти вместе с лидером отрасли
● Разрабатывать агентные системы для решения инженерных задач: работа с технической документацией, регламентами, расчётными методиками
● Проектировать и внедрять RAG-системы для извлечения знаний из технической документации и внутренних баз данных
● Дообучать и адаптировать открытые модели под отраслевую специфику, оценивать качество, строить бенчмарки на доменных данных
● Расставлять скважины и планировать программу бурения
● Оптимизировать логистику: маршрутизация, планирование поставок, управление запасами
● Оптимизировать инфраструктуру и режимы работы объектов
● Ставить задачи как MILP / нелинейных / стохастических, применять гибридные подходы «оптимизация + ML»
● Прогнозировать временные ряды: добыча, отказы оборудования, спрос
● Анализировать изображения: интерпретация карт и сейсмических данных, дефектоскопия
● Проводить видеоаналитику на промышленных объектах — контроль безопасности и технологических операций
● Модели, доведённые до продакшена, а не только до ноутбука
● Опыт в одном из направлений (LLM, оптимизация, CV, временных рядов) и готовность освоить смежные
● Умение самостоятельно декомпозировать задачу от бизнес-формулировки до метрики
● Фундаментальные знания: Высшее техническое или математическое образование, уверенная ориентация в линейной алгебре, теории вероятностей, математической статистике и методах оптимизации
● Опыт в ML/DL: Понимание принципов работы классических алгоритмов и ключевых архитектур нейронных сетей (CNN, RNN, Transformers)
● Production-ready код: Умение работать с Git, Docker и консолью Linux, умение писать чистый, тестируемый код (ООП, CI/CD)
● Базовый MLOps: Docker, CI/CD, версионирование экспериментов
● Базы данных: Знание основ SQL и умение самостоятельно получить нужные данные
● Язык Python
● Библиотеки: NumPy, Pandas, Scikit-learn, PyTorch, TensorFlow, Hugging Face Transformers
● LLM-фреймворки: LangChain, LangGraph, LlamaIndex, Haystack
● RL-фреймворки: RLlib, Stable Baselines3 и др.
● Инструменты: Git, Docker, Kubernetes, MLflow, Prometheus, Grafana, SQL
● Готовность освоить остальную часть стека
