Senior ML Engineer в Supply Network Planning
Интересная и сложная роль на стыке ML и математической оптимизации с возможностью удаленной работы. Отсутствие указанной зарплаты и названия компании немного снижают прозрачность, но стек технологий очень современный.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Высокая сложность обусловлена необходимостью глубоких знаний в узкой области Operations Research, дискретной оптимизации и владения специфическими солверами (Gurobi, CPLEX), помимо стандартного стека Senior Python разработчика.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
В объявлении не указана заработная плата, однако для позиции Senior ML Engineer с глубокой экспертизой в Operations Research на рынке РФ/РБ медиана составляет около 400 000 - 500 000 рублей. Специалисты с навыками работы в Gurobi и CPLEX ценятся выше среднего по рынку ML.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Senior ML Engineer в Supply Network Planning
Требования:
Высшее техническое/математическое образование. Курсы по Discrete Optimization, Operations Research или алгоритмам. Python (Senior), алгоритмы, ООП, Big O. SQL, PostgreSQL, Git, Code Review, тестирование. Опыт промышленной и агентной разработки с ИИ. Опыт в Operations Research, APS, Supply Chain или логистике. Практический опыт линейной и дискретной оптимизации. Будет преимуществом: Pyomo, OR-Tools, PuLP, COIN-OR, PySCIPOpt. Gurobi, CPLEX, SCIP, COPT, GLPK. CP/CP-SAT, декомпозиция, многокритериальная оптимизация. Параллельные вычисления, профилирование, REST API, Unix, CI/CD. Стек: Python, NumPy, asyncio, Pyomo, OR-Tools, PySCIPOpt, Gurobi/CPLEX/SCIP, PostgreSQL, Git, Docker, Unix.
Локация:*📍*Удаленно, РФ/РБ. Ч. п.: МСК. Full-time.
Контакт для отклика: Откликнуться +CV
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Git
- Python
- NumPy
- CI/CD
- PostgreSQL
- Docker
- REST API
- Unix
- asyncio
- Pyomo
- Gurobi
- CPLEX
- OR-Tools
- SCIP
Возможные вопросы на собеседовании
Вакансия требует опыта в линейной и дискретной оптимизации. Важно понять, как кандидат выбирает инструменты под задачу.
Расскажите о вашем опыте использования Pyomo или OR-Tools. В каких случаях вы бы предпочли один инструмент другому?
Для Senior-позиции критично понимание производительности алгоритмов.
Как вы подходите к профилированию и оптимизации производительности Python-кода при работе с тяжелыми математическими вычислениями и NumPy?
Работа в Supply Network Planning часто связана с многокритериальными задачами.
Опишите ваш подход к решению задач многокритериальной оптимизации. Какие методы декомпозиции вы использовали на практике?
В стеке указан asyncio. Важно понять, как ML-инженер применяет асинхронность.
В каких сценариях в ML-сервисах или системах оптимизации целесообразно использовать asyncio, и с какими трудностями вы сталкивались?
Проверка опыта работы с промышленными солверами.
Каков ваш опыт работы с коммерческими солверами вроде Gurobi или CPLEX? Как вы решаете проблему лицензирования или перехода на open-source аналоги (SCIP, GLPK) в продакшене?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

