Роль закрыта
1. Знание синтаксиса языка Python на уровне использования стандартных библиотек.
2. Знание фреймворков Django, Flask, FastAPI.
3. Уверенное владение библиотеками для работы с данными (pandas, NumPy, Plotly, SciPy, Keras, TensorFlow, scikit-learn).
4. Знание методов статистической обработки данных и прогнозирования (А/В-тестирование, проверка статистических гипотез, повторный отбор, проверка на основе t-статистики, множественное тестирование, дисперсионный анализ (ANOVA), линейная и нелинейная регрессия, интерпретация уравнения регрессии, проверка допущений).
5. Знание методов машинного обучения и глубокого обучения (метод k-ближайших соседей, древовидные модели, бэттинг и случайный лес, бустинг).
Дополнительным преимуществом будут:
6. Опыт работы в PostgreSQL.
7. Опыт создания одностраничных приложений (SPA) на Django.
8. Знание MATLAB.
9. Опыт создания аналитических дашбордов.
1. Провести интервью с экспертом проекта, чтобы уточнить постановку задачи.
2. Изучить имеющуюся документацию о системе «МКС» и используемых каталитических системах.
3. Разработать алгоритмы и модели, позволяющие прогнозировать состояние каталитической системы на основе собранных данных и рекомендовать изменения параметров системы.
4. Проверить качество моделей на контрольном датасете.
5. Реализовать алгоритмы и модели в виде веб-приложения.
6. Интегрировать приложение с системой «МКС».
7. Передать результаты работы лидеру проекта.
Работа в проекте должна быть завершена к 31 декабря 2021 года и предполагает полную занятость.
Работа в проекте будет вестись в смешанном формате (удаленная разработка с присутствием в офисе при необходимости). Вы будете взаимодействовать с руководителем проекта и инженерами-математиками, разрабатывающими математические модели каталитических процессов. Перед началом проекта вам будет необходимо подписать соглашение о конфиденциальности. Проект завершится передачей результатов работы лидеру проекта.
Вы получите 350 000 после выплаты налогов.