- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data Scientist (Middle+)
Оценка ИИИнтересный индустриальный кейс с понятными сроками и возможностью обсудить индивидуальную ставку. Однако проект носит временный характер (до конца 2026 года), а название компании-заказчика скрыто.
Сложность вакансии
Оценка ИИРоль требует не только уверенного владения стеком классического ML, но и специфического опыта работы с промышленными данными и временными рядами. Дополнительную сложность создает необходимость самостоятельной постановки математических задач на основе бизнес-требований.
Анализ зарплаты
Оценка ИИЗаказчик не указал вилку, предлагая кандидатам называть свои ставки. Для уровня Middle+ в сфере Data Science на российском рынке медиана составляет около 300 000 рублей, при этом верхняя граница для опытных специалистов в тяжелой промышленности может достигать 450 000 рублей и выше.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Отправьте свое резюме и ставку в Telegram, чтобы принять участие в масштабном проекте для промышленного гиганта!
Описание вакансии
Data ScientistГрейд: Middle и выше
Заказчик: cталелитейная и горнодобывающая компания
Ставка: рассмотрим ваши
Срок привлечения: июнь 2026 – декабрь 2026
Общее описание:
Реализуем проект на основе моделей машинного обучения по прогнозированию температуры
стали в сталеплавильном производстве.
Обязательные требования:
• Опыт коммерческой разработки на Python 3+ от 2 лет
• Уверенное владение библиотеками: numpy, pandas, scikit-learn, xgboost/lightgbm
• SQL: написание запросов средней сложности
• Опыт работы с системами контроля версий (Git)
• Понимание математических основ алгоритмов классического ML (линейные модели,
деревья решений, ансамбли, градиентный бустинг)
• Практический опыт построения моделей регрессии и классификации
• Умение выбирать метрики качества в зависимости от бизнес-задачи
• Навыки feature engineering и работы с различными типами данных
• Понимание принципов валидации моделей и борьбы с переобучением
• Опыт работы с временными рядами
• Опыт работы с промышленными/производственными данными (очень желательно)
• Опыт работы с алгоритмами оптимизации, например LP, CP, MIP (как плюс)
Soft Skills:
• Умение трансформировать бизнес-задачи в математическую постановку
• Опыт коммуникации с заказчиками и презентации результатов
• Способность писать чистый, документированный и воспроизводимый код
• Навыки работы в команде (с дата-инженерами, разработчиками)
❗️Важно
При отправке кандидата приложите информацию:
ФИО
Дата рождения
Локация
Грейд
Рейт (ставка/час)
Возможная дата старта на новый проект
Планы на отпуск в ближайшие 6 мес
Штатный/партнерский/рынок
Скрининг по заявленным требованиям к вакансии (проставить +-)
Откликнуться на запрос: ОткликнутьсяПо вопросам партнерского сотрудничества: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- NumPy
- Pandas
- Scikit-learn
- XGBoost
- LightGBM
- SQL
- Git
- Machine Learning
- Regression Analysis
- Feature Engineering
- Time Series
Возможные вопросы на собеседовании
Проект связан с прогнозированием температуры стали, что является классической задачей регрессии на временных рядах.
Какие специфические методы Feature Engineering вы бы применили для данных с датчиков сталеплавильного производства?
Важно понимать, как кандидат борется с переобучением в условиях ограниченных или шумных данных.
Как вы подходите к валидации моделей на временных рядах, чтобы избежать заглядывания в будущее?
В вакансии упоминаются алгоритмы оптимизации как плюс.
Был ли у вас опыт совмещения ML-прогнозов с алгоритмами линейного или целочисленного программирования (LP/MIP)?
Работа с промышленными данными часто подразумевает наличие выбросов и пропусков из-за сбоев оборудования.
Как вы обрабатываете аномалии в данных, поступающих в реальном времени, чтобы они не искажали прогноз модели?
Умение объяснять результаты заказчику — ключевой софт-скилл для этой позиции.
Как бы вы объяснили бизнес-заказчику разницу между MAE и RMSE в контексте потерь при перегреве стали?
Похожие вакансии
Middle+ Data Engineer
Backend / ML Infrastructure / MLOps инженер
Data инженер (Middle)
Data Engineer Middle
Data Scientist (Модели оценки качества), Диалоговый ИИ и ML сервисы
Backend / ML Infrastructure / MLOps инженер (ИИ-ассистент)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!