компания "северсталь, москва" мы продолжаем развивать наше ml направление в северстали, наши модели управляют обжиговыми и агломерационными машинами, помогают производить чугун, определяют неисправное оборудование по изображению и данным с датчиков, детектируют поверхностные дефекты листа, экономят цинк, управляют скоростью нескольких ключевых агрегатов в плоском и трубном прокате, в том числе с помощью reinforcement learning, прогнозируют рыночные цены на сталелитейную продукцию, экономят мазут и электроэнергию, повышают безопасность на предприятии. о нас: некоторые наши проекты: https://www.severstal.com/rus/media/news/document45404.phtml https://www.severstal.com/rus/media/news/document41379.phtml https://www.severstal.com/rus/media/news/document38754.phtml https://www.severstal.com/rus/media/news/document33683.phtml https://www.cnews.ru/news/line/2021-06-22_severstal_ispolzuet наш конкурс на kaggle: https://www.kaggle.com/c/severstal-steel-defect-detection статья на vc про конкурс: https://vc.ru/severstal/151039-kaggle статья на arxiv: https://arxiv.org/pdf/2008.06933.pdf causal inference на нашем стане: https://towardsdatascience.com/causal-inference-for-a-steel-mill-1e4dff991501 наш технологический стек включает в себя: - python 3 со стандартными ds пакетами (numpy, pandas, scikit-learn, xgboost/lightgbm - технологии big data (hadoop, hive, spark) - git, graylog, grafana, kubernetes, docker задачи: - собирать данные из внутренних баз данных и работать с внешними источниками информации - применять анализ данных и алгоритмы машинного обучения для решения производственных задач - реализация и поддержка end-to-end продакшн решений (в команде с дата-инженером и разработчиком) - тесное общение с технологами на производстве - взаимодействие с заказчиком и презентация продукта что нужно знать: python и пакеты нашего стека sql на уровне запросов средней сложности теорию вероятностей и математическую статистику принципы работы алгоритмов машинного обучения (линейная регрессия, логистическая регрессия, деревья решений, случайный лес, градиентный бустинг, нейронные сети и др.); что нужно уметь: писать понятный и воспроизводимый код формулировать и проверять на данных статистические гипотезы подбирать предпосылки и алгоритм машинного обучения, соответствующие поставленной бизнес-задаче, выбирать метрики и оценивать работу алгоритма трансформировать бизнес-постановку задачи в математическую формулировку и код от кандидатов с опытом ожидаем: опыт самостоятельной реализации ds проектов и готовность о них рассказать опыт дизайна экспериментов и проведения пилотных испытаний плюсом будет: опыт работы с промышленными данными опыт работы с алгоритмами оптимизации (например, or-tools) участие в ml-соревнованиях знание tensorflow/pytorch что мы предлагаем: оплату курсов и участия в конференциях корпоративную мобильную связь, дмс и страхование жизни спортзал и велопарковку возможность своими глазами увидеть процесс производства на металлургическом комбинате формат работы: удаленно или в стильном офисе на м. войковская/мцк балтийская (москва)
Адрес
Санкт-Петербург