Нам требуется Стажер в отдел анализа данных, основной функционал - тестирование подсистемы генерации данных.

Мы рассматриваем кандидатов без опыта при наличии достижений – собственные проекты, участие в соревнованиях и хакатонах.

Кратко суть задачи:

• сенсоры генерируют данные, используемые для обучения моделей ML и построения отчетности.
• данные, поступающие с сенсоров, являются не полными и содержат искажения, как в результате естественных событий на объекте, так и в результате разработки новых функций и моделей сенсоров.
• задача – подобрать сценарий и провести тестирование, выполнить анализ результатов, определить причину, подготовить отчет по результатам для разработчиков.

Наша команда занимается разработкой продукта для анализа данных в industrial, а именно мы:

• проектируем сенсоры собственной конструкции, что дает полный контроль над источниками данных;
• внедряем лучшие практики машинного обучения и компьютерного зрения;
• для построения моделей используем разные источники данных, каждый из которых может генерировать не полные данные;
• стремимся решить самые сложные задачи оптимальным способом и в короткий срок;
• обеспечиваем стриминговую обработку данных с нагрузкой, на порядки превышающей нагрузку в классических Industrial IoT системах.

Обязанности:

• анализ требований и участие в разработке сценариев тестирования;
• подготовка тестового стенда (подобрать и расставить необходимые сенсоры, проверить корректность настроек, оповестить участников и ознакомить их со сценарием);
• участие в тестировании и разметке данных;
• анализ результатов тестирования: анализ данных, расчет метрик, показателей, графиков, подготовка отчетов по результатам анализа данных;
• контроль результатов устранения найденных аномалий.

Требования:

• Базовый / уверенный Python;
• Приветствуется SQL|CQL, умение работать с git;
• Образование высшее математическое полное/ неоконченное (специализация в любом разделе математики, прикладной математики, системного программирования, а также мат. методы в экономике и близкие специализации);
• Наличие практических достижений: собственные проекты, соревнования, хакатоны;
• Способность работать с нечеткой постановкой задачи.

Будет преимуществом:

• умение внятно и четко изложить свои идеи и результаты анализа письменно;
• умение работать в режиме многозадачности, ориентированность на конечный результат;
• профильное обучение по тематике ML.

Условия:

• Гибкий график работы 5/2: начало рабочего дня с 8:00 до 12:00, самостоятельное планирование рабочей недели;
• Удаленная работа в условиях карантина;
• ДМС (в том числе стоматология, офисный врач, привики от гриппа, дополнительные виды страхования).
• Индивидуальные программы и условия для обучения, в том числе за счет компании;
• Авто и вело-парковки у офиса, корпоративные спортивные команды.