Data Scientist

НЛМК ИТ·Москва·8 окт.

Data Scientist

Ориентир по рынку≈ 325 000 – 375 000 ₽наша приблизительная оценка по 13 вакансиям этой роли и грейда, у работодателя вилка не указана

🌍 УдалённоMiddleПолная занятость🇷🇺 РФ

≈ 325 000 – 375 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Вакансия к тому же свежая, откликаться лучше сейчас.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Деньги

Зарплату в объявлении не раскрыли. Ориентир на созвон: столько платят в 13 похожих вакансиях Data Scientist уровня Middle.

платят меньше325 000 – 375 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Опубликована 11 дней назад. Свежие вакансии почти всегда живые.

Свежая

Описание

Обязанности: 11, требования: 18. Понятно, что за работа, ещё до отклика.

Обещают: ДМС со стоматологией и питание
Не сказано: как оформят и часовой пояс команды

Подробно

Что требуют

ОбязательноMLComputer VisionPythonSQLDockerGitMLOpsLLM

Надбавка к зарплате на этом уровне: Python +40%, SQL +20%, Git +8%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Наша компания

НЛМК-ИТ и НЛМК-Связь— обеспечивают потребности предприятий Группы НЛМК в развитии информационных технологий. В спектр услуг входят: реализация ИТ-проектов, поддержка и развитие бизнес-приложений, ИТ-инфраструктуры и систем связи. Численность сотрудников ИТ превышает 800 человек.

Чем предстоит заниматься

Выявление производственных проблем и точек роста на основе данных

Участие в обследовании производственных участков, выезды в цеха, изучение технологических процессов на месте

Формализация производственных задач в цифровые кейсы: прогнозирование, классификация, детекция отклонений, контроль качества, оптимизация режимов

Сбор, выгрузка, очистка и консолидация данных из производственных и корпоративных информационных систем

Анализ данных технологических процессов, поиск закономерностей, факторов влияния и причин отклонений

Разработка, обучение и валидация ML-моделей для прогнозирования, оптимизации и поддержки принятия решений

Разработка и внедрение CV-решений

Подготовка датасетов, разметка данных, организация процессов сбора и актуализации обучающих выборок

Проверка гипотез, проведение пилотных проектов и оценка экономического эффекта

Визуализация результатов анализа, подготовка отчетов и рекомендаций для производственных подразделений

Взаимодействие с внутренними заказчиками, подрядчиками, интеграторами и смежными командами

Наши требования

Практический опыт разработки и внедрения решений на базе ML

Практический опыт разработки и внедрения решений на базе Computer Vision

Опыт работы с производственными данными, временными рядами, журналами событий, технологическими параметрами

Опыт полного цикла работы с данными: сбор, выгрузка, очистка, анализ, построение признаков, обучение моделей, внедрение

Опыт проведения обследований производственных процессов и интервью с внутренними заказчиками

Понимание специфики промышленного предприятия и готовность работать “в поле”, а не только за компьютером

Желателен опыт работы в металлургии, горнодобывающей промышленности, тяжелой промышленности, химическом производстве или энергетике

Понимание технологических процессов агломерационного, коксового или доменного производства будет существенным преимуществом

Уверенное владение Python и библиотеками для ML/CV

Знание методов регрессии, классификации, кластеризации, поиска аномалий, анализа временных рядов, оптимизации, глубокого обучения

Опыт построения CV-моделей

Опыт работы с SQL и промышленными базами данных (MES, ERP, SCADA, historians, лабораторные системы, систем АСУ ТП)

Понимание принципов интеграции моделей в промышленный ИТ-ландшафт

Опыт работы с Docker, Git, MLOps-инфраструктурой

Применение LLM в разработке решений

Понимание производственных показателей: качество сырья и продукции, производительность, простои, расход топлива и энергоресурсов, стабильность технологических режимов, надежность оборудования

Понимание причинно-следственных связей в производственном процессе и умение переводить экспертные знания технологов в аналитические модели

Навык оценки экономического эффекта от цифровых инициатив: снижение потерь, снижение брака, снижение простоев, рост производительности, снижение расхода ресурсов