AI/ML инженер по оптимизации бизнес-процессов

О роли
Мы ищем опытного специалиста hands-on ML Engineer, который самостоятельно доведет AI-решения от бизнес-задачи до промышленной эксплуатации. Вы станете ключевым специалистом на стыке бизнеса и технологий, преобразуя данные в эффективные продукты и управляя их внедрением
Описание профиля:
• Системное видение и процессный подход:
• Понимание полного жизненного цикла бизнес-процессов (моделирование, анализ, оптимизация, регламентация).
• Владение методами процессного управления (BPMN, KPI, SLA; Lean/Six Sigma как преимущество).
• Умение выявлять узкие места, потери, точки автоматизации и применения ML-моделей на основе данных.
• Hands-on опыт и самостоятельность:
• Способность самостоятельно выполнять полный цикл работы: от формирования бизнес-задачи и подготовки данных до построения, внедрения модели и её интеграции в промышленные процессы.
• Прямая коммуникация с заказчиками и ИТ-командами без роли “переводчика”.
• Стратегия и управление AI-инициативами:
• Опыт формирования и реализации AI-стратегии: определение приоритетов, критериев успеха, выбор технологий.
• Аудит бизнес-процессов для выявления точек роста и применимости ИИ.
• Управление портфелем AI-проектов: приоритизация, разработка дорожной карты, контроль ROI.
• Управление AI/ML проектами (полный цикл):
• Опыт ведения проектов от Discovery и MVP до масштабирования в промышленную эксплуатацию.
• Управление кросс-функциональными командами (Data Scientists, ML Engineers, DevOps, аналитики, разработчики).
• Планирование ресурсов, контроль сроков, бюджета, качества; управление рисками.
• Опыт работы в Scrum/Kanban методологиях.
• Внедрение AI/ML решений:
• Практический опыт запуска LLM/GenAI-сервисов (чат-боты, поисковые системы, генерация контента, copilot-инструменты).
• Реализация рекомендательных систем и персонализации (real-time, A/B-тесты).
• Развёртывание ML-моделей, создание пайплайнов обработки данных и инференса.
• Интеграция AI-решений с внутренними системами (CRM, порталы, мессенджеры, DWH).
• Обеспечение безопасности AI-систем (персональные данные, комплаенс, guardrails, мониторинг).
Будет преимуществом:
• Опыт работы с производственными/операционными процессами (manufacturing, логистика, планирование, качество, техническое обслуживание), включая:
• Прогнозирование загрузки и выпусков.
• Оптимизация графиков и маршрутов.
• Предиктивное обслуживание оборудования.
• Контроль качества по данным сенсоров/изображений.
• Поиск аномалий в потоках данных.
• Готовность к работе “в поле”: взаимодействие с цехом, операционными командами, учет реальных ограничений процессов.
• Навыки стейкхолдер-менеджмента: регулярная отчётность, перевод бизнес-требований в технические спецификации, обучение сотрудников работе с AI-инструментами.
Ключевые технические навыки и опыт:
• Data Engineering & Feature Engineering:
• Уверенное владение Python и SQL для работы с данными.
• Практический опыт сбора, очистки, объединения, агрегирования данных, построения витрин и создания фич для различных ML-задач (классификация, регрессия, кластеризация, временные ряды).
• End-to-End ML Project Lifecycle:
• Полный цикл разработки: от постановки гипотез и выбора метрик до интерпретации результатов и внедрения моделей в прототип/продакшен.
• Опыт Feature Engineering с учетом предметной области.
• Подбор, обучение моделей, кросс-валидация.
• Алгоритмы и ML-концепции:
• Знание основных классов алгоритмов: линейные/логистические модели, деревья решений, ансамбли, градиентный бустинг, методы кластеризации, базовые нейросети.
• Понимание переобучения, регуляризации, работы с несбалансированными выборками и временными рядами.
• MLOps (базовое понимание):
• Опыт контейнеризации, деплоя и мониторинга моделей.
• Построение простых продакшн пайплайнов (batch/online inference).
• Работа с CI/CD и инструментами наблюдаемости (логирование, метрики качества, алерты).
Специализация и преимущества:
• Практический опыт с производственными/IoT данными (сильное преимущество):
• Прогнозирование и сглаживание временных рядов.
• Обнаружение аномалий.
• Предиктивное обслуживание.
• Контроль качества по датчикам/изображениям.
• Оптимизационные модели для цепочек поставок и производства.
• Образование и опыт:
• Высшее техническое, математическое или IT-образование.
• Опыт работы в крупных компаниях (финтех, ритейл, телеком, промышленность) — плюс.
• Дополнительные курсы по AI/ML, продуктовому менеджменту, управлению проектами.