Роль закрыта
1. Знание Python на уровне использования стандартных библиотек.
2. Знание фреймворков Django, Flask и 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-тестирования, проверки статистических гипотез, повторного отбора, проверки на основе t-статистики, множественного тестирования, дисперсионного анализа (ANOVA), линейной и нелинейной регрессии, интерпретации уравнения регрессии и проверки допущений.
5. Знание методов машинного обучения и глубокого обучения: метода k-ближайших соседей, древовидных моделей, беттинга, случайного леса и бустинга.
Дополнительным преимуществом будут:
6. Опыт работы с PostgreSQL.
7. Опыт создания одностраничных приложений (SPA) на Django.
8. Опыт создания аналитических дашбордов.
9. Знание MATLAB.
1. Изучить материалы, предоставленные лидером проекта.
2. Актуализировать существующие и разработать новые модели для мониторинга каталитических систем.
3. Развернуть микросервисы, которые реализуют эти модели, в составе «МКС» на каждом объекте внедрения.
4. Документировать программный код.
5. Передать результаты работы лидеру проекта.
Проект рассчитан на 6 месяцев и предполагает полную занятость.
Работа по проекту будет вестись в гибридном формате (удаленно с присутствием в офисе 2 дня в неделю). Офис в г. Москва. Вы будете взаимодействовать с лидером проекта, инженерами-математиками, разрабатывающими математические модели каталитических процессов. Перед началом проекта вам будет необходимо подписать соглашение о конфиденциальности. Проект завершается презентацией результатов лидеру проекта, подведением итогов и анализом хода проекта.
Проект предусматривает денежное вознаграждение в размере 600 000 рублей после всех вычетов для физлиц (налоговая ставка 13%) или 648 276 рублей после всех вычетов для самозанятых / ИП (налоговая ставка 6%). Проект предполагает поэтапную оплату.