Стажер Machine Learning Engineer — старт карьеры в ИИ
Мы — R&D-подразделение крупного промышленного холдинга. Разрабатываем цифровые решения для производственных линий, снижая аварийность и повышая эффективность. Команда Data Science растёт, поэтому ищем мотивированного специалиста начального уровня, готового учиться на реальных данных и видеть результаты своего кода на заводах по всей стране. Коллеги менторят, проводят еженедельные тех-разборы и оплачивают профессиональные курсы.
Обязанности
- Настраивать и запускать эксперименты в Jupyter Notebooks.
- Подбирать метрики, проводить A/B-тесты, готовить отчёты о качестве моделей.
- Подготавливать данные: очистка, фиче-инжиниринг, балансировка классов.
- Использовать облачные ML-сервисы (AWS SageMaker, Azure ML, Google AI Platform) для обучения и деплоя прототипов.
- Документировать код, оформлять pull-requests, участвовать в code review.
- Взаимодействовать с инженерами данных, DevOps и производственными технологами.
Требования
- Базовое понимание алгоритмов машинного обучения (регрессия, деревья решений, ансамбли).
- Знание Python 3.x, библиотек pandas, scikit-learn, matplotlib.
- Опыт работы в Jupyter Notebooks не менее 6 месяцев (учёба или pet-проекты).
- Навыки работы c Git, умение писать чистый, воспроизводимый код.
- Понимание принципов REST API, Docker — как плюс.
- Английский — чтение технической документации.
Преимущества кандидата
- Курс по Deep Learning или участие в соревнованиях Kaggle — весомый бонус.
- Публикации на Хабр или участие в митапах расскажут о ваших soft skills лучше резюме.
- Умение визуализировать выводы, презентовать результаты менеджеру без технического образования.
Чему вы научитесь за первые 6 месяцев
- Деплой моделей в промышленном контуре — от тестовой среды до production.
- Работа с потоковыми данными IoT-датчиков, настройка предиктивной аналитики.
- Оптимизация вычислений под GPU и распределённые кластеры.
- Оценка ROI ML-проектов: вы поймёте, как модели влияют на простой оборудования и стоимость ремонта.