← К каталогу
ГА

Газпромнефть-Региональные продажи

Tech lead ML

ГибридLeadСанкт-Петербург, Россия8 дн. назад
СИГНАЛ JOBRADAR68/100Нормальный сигнал актуальности
ПАСПОРТ ВАКАНСИИ

Что JobRadar наблюдает сейчас

Балл строится только на фактах из источников: свежести подтверждения, возрасте записи и происхождении вакансии. Это не гарантия найма и не оценка работодателя.

Последнее подтверждение13 мин. назад
Впервые замечена8 дн. назад
Активные источники1 источник
ПроисхождениеПубличный источник
О ВАКАНСИИ

Описание вакансии

Управление продвинутой аналитики и искусственного интеллекта приглашает в свою команду Руководителя направления разработки и внедрения. Выбирайте преимущества и бонусы работы в стабильной компании, реализуйте себя в масштабных проектах.

РОЛЬ И ЗАДАЧИ В КОМАНДЕ:

  • Руководить командой MLE-инженеров на всех этапах реализации проектов: от формулировки гипотез и исследований (PoC) до разработки, промышленного внедрения (production deployment), мониторинга и поддержки ML-решений.
  • Обеспечивать высокое качество архитектуры, кода и моделируемых решений (MLOps практики).
  • Применять методы машинного обучения для решения широкого спектра задач: от временных рядов до оптимизации бизнес-процессов (например, складская логистика).
  • Проектировать и внедрять высоконагруженные микросервисные архитектуры для ML систем.
  • Эффективно координировать работу со смежными командами (BI, DWH/Data Lake, Data Quality, DevOps) для обеспечения сквозной реализации проектов и качества данных.
  • Развитие Команды и Экспертизы: Наставлять членов команды (менторинг), повышая их техническую экспертизу в ML-инжиниринге и качество инженерных решений.

НЕОБХОДИМЫЕ ОПЫТ И НАВЫКИ:

  • Солидный опыт разработки и внедрения промышленных систем с применением алгоритмов машинного обучения (full cycle ownership).
  • Доказанный успешный опыт вывода ML-проектов в продакшн.
  • Практическое знание и применение принципов MLOps: тестирование моделей/сервисов, логирование, мониторинг, версионирование данных и кода (MLFlow/DVC/ClearML).
  • Опыт работы с платформами контейнеризации (Docker/Kubernetes) и CI/CD пайплайнами.
  • Продвинутое знание Python для ML/DS задач.
  • Опыт работы с классическими методами ML, фреймворками и библиотеками.
  • Понимание и опыт применения методов оптимизации (знание GAMS/CPLEX или аналогичных инструментов - сильное преимущество).
  • Опыт работы с системами очередей (AMQP/RabbitMQ), кэширования (Redis) и распределенными вычислениями.
  • Уверенная работа с SQL, опыт с BigData…

Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.

ИсточникHeadHunter / Data Scientist / RU