Аналитик данных / Математик / Data scientist

Обязанности:
Анализ данных: Проведение статистического анализа больших массивов данных измерений параметров многофазных потоков.
Очистка, обработка и исследование данных (EDA) для выявления закономерностей, аномалий и проверки гипотез.
Классификация данных, разработка и валидация гипотез о взаимосвязях между разнотипными физическими параметрами.
Разработка и внедрение моделей: Построение, обучение и валидация математических моделей и моделей машинного обучения (ML) для описания сложных гидродинамических и электрофизических процессов.
Разработка архитектуры, обучение и тонкая настройка нейронных сетей под специфические задачи прогнозирования, классификации или оптимизации.
Математическое моделирование в области гидродинамики многофазных потоков с использованием языков программирования (Python) и специализированных инженерных пакетов.
Работа с продуктом и внедрение: Проведение расчетов и экспериментов для валидации и калибровки моделей.
Тесное взаимодействие с разработчиками: постановка задач, передача алгоритмов и моделей для интеграции во встроенное программное обеспечение (сервисы) оборудования.
Сопровождение полного цикла внедрения своих решений: от прототипа до промышленной реализации.
Коммуникация и презентация результатов: Подготовка понятных и наглядных отчетов, дашбордов и презентаций по результатам анализа.
Доступное изложение сложных технических выводов и рекомендаций для руководства, менеджмента, инженеров, разработчиков.
Образование и опыт:
Высшее образование (магистратура или специалитет) в области математики, физики, компьютерных наук, инженерной кибернетики или смежных специальностей.
Опыт работы в области Data Science / анализа данных / математического моделирования от 2-х лет (или серьезный научный исследовательский опыт).
Опыт применения пакетов численного моделирования и инженерных расчетов (Matlab, Simulink, ANSYS Fluent, COMSOL или аналоги) в области механики жидкости и газа (CFD) или смежных областях.
Технические навыки - Hard Skills:
Программирование и Data Science: Свободное владение Python для анализа данных и моделирования (NumPy, SciPy, Pandas, Scikit-learn).
Понимание и опыт применения ключевых подходов и алгоритмов МО: регрессия, классификация, кластеризация, ансамбли, работа с временными рядами, метрики.
Разработка и обучение нейронных сетей с использованием фреймворков (PyTorch, TensorFlow, Keras). Умение подбирать архитектуру под задачу.
Глубокие знания в области математической статистики, теории вероятностей и методов планирования экспериментов.
Понимание принципов ООП.
Математическое и физическое моделирование: Опыт построения, валидации и калибровки детерминированных и стохастических математических моделей.
Знание основ гидрогазодинамики (гидродинамики многофазных потоков) является ключевым преимуществом.
Работа с данными: Навыки обработки, очистки и анализа больших массивов данных (в т.ч. временных рядов с физических датчиков).
Визуализация данных и результатов (Matplotlib, Seaborn, Plotly).
Понимание принципов Feature Engineering для физических процессов.
Инструменты:
Основной стек:
Язык программирования: Python (NumPy, SciPy, Pandas, Scikit-learn).
Глубокое обучение: один из фреймворков - PyTorch, TensorFlow / Keras.
Визуализация данных: Matplotlib, Seaborn, Plotly.
Система контроля версий: Git (GitLab / GitHub / Bitbucket).
Работа с базами данных: SQL.
Специализированные инженерные платформы:
Математическое моделирование и прототипирование: MATLAB & Simulink.
Инженерные расчеты и CFD: опыт работы с одним из пакетов ‑ ANSYS Fluent, COMSOL Multiphysics или аналогичными.
Личные качества и мягкие навыки - Soft Skills:
Аналитический склад ума и гипотезный подход: умение формулировать, проверять и опровергать гипотезы на основе данных.
Навыки научного исследования: от постановки задачи и литературного обзора до оформления результатов и выводов.
Системное мышление: понимание взаимосвязей в сложных физико-технических системах.
Коммуникационные навыки: умение ясно доносить сложные технические идеи и результаты анализа до коллег из разных областей (инженеры, разработчики ПО, менеджмент), в том числе в форме презентаций и отчетов.
Умение работать в команде и самостоятельно: взаимодействие с разработчиками для постановки задач, сопровождения внедрения моделей.
Английский язык на уровне чтения технической документации и научной литературы.