ML Engineer (Time Series / Anomaly Detection) (удаленная работа)

Вакансия: ML Engineer (Time Series / Anomaly Detection)

Описание вакансии

Коротко о нас:

Компания СККИА резидент Сколково и технопарка Университетский . Мы занимаемся цифровизацией энергетики (Smart Grid). Наш продукт ПАК Регистратор , система IIoT, которая превращает обычные городские подстанции в интеллектуальные узлы, предотвращая аварии и веерные отключения.

Ищем ML-инженера , который возьмет на себя задачи по прогнозированию нагрузок и выявлению аномалий в энергосети.

Это идеальная позиция для второй работы: у нас минимум созвонов, нет тайм-трекеров, а задачи можно выполнять в удобное время (вечером или на выходных).

Чем предстоит заниматься

Мы работаем с реальными временными рядами (телеметрия с трансформаторов: токи, напряжения, температуры). Ваша задача превратить сырые данные в инсайты для диспетчеров.

Research & Experiments: Подбор и исследование архитектур (PyTorch) для задач прогнозирования (forecasting) и детекции аномалий. Постановка гипотез и сравнение с бейзлайнами.

Production Ready: Обучение, валидация и, главное, подготовка моделей к внедрению. Экспорт в ONNX , оптимизация инференса.

Integration: Совместная работа с Data Platform Engineer для встраивания моделей в пайплайны обработки данных (через RabbitMQ/ClickHouse).

Кого мы ищем

Нам нужен самостоятельный инженер (Middle), который уже выводил модели в прод и понимает, что Jupyter Notebook это только начало пути.

• Опыт: от 1 года коммерческой разработки, участие в 2+ завершенных production-проектах.
• Стек: Уверенный Python , отличное знание PyTorch (кастомные лоссы, DataLoader).
• Deploy: Опыт работы с ONNX (экспорт, проверка корректности , ограничения).
• База: Понимание метрик качества, работы с дисбалансом классов и специфики временных рядов.
• Tools: Git, Docker (для воспроизводимости среды).

Будет плюсом:

• Опыт работы с промышленными данными (IIoT), шумами, пропусками и дрейфом данных.
• Знание инструментов MLOps (MLflow / DVC).

Почему стоит откликнуться

AI-инструментарий: Мы официально оплачиваем сотрудникам доступ к Perplexity и Coding AI (Codex/Z.AI) . Мы приветствуем использование нейросетей для написания бойлерплейта и ускорения ресерча.

Комфортное совместительство: Формат "сделал задачу свободен". Мы не следим за тем, когда вы работаете, нам важен обученный вес модели и отчет по метрикам.

Реальное влияние: Ваши модели будут работать на реальных объектах городской инфраструктуры, помогая предотвращать аварии, а не просто крутить рекламу.

Отсутствие бюрократии: Прямой контакт с техлидом, никаких долгих согласований.

Условия

• Занятость: 0.5 ставки (Part-time). Ожидаемая нагрузка 4 часа в день.
• Оплата: 55 000 gross (до вычета НДФЛ) в месяц. Выплаты стабильно 2 раза в месяц.
• Оформление: Трудовой договор.
• Локация: Полная удаленка.

Если вы хотите применять свои знания ML на реальных физических данных и ищете стабильный дополнительный доход ждем вашего отклика!

В сопроводительном письме: Расскажите коротко: какой ваш проект дошел до реального использования (продакшена)? Нам важно понимать, что вы умеете не только обучать модели в ноутбуке, но и упаковывать их для жизни.

Вопрос на засыпку: Мы работаем с временными рядами (электрическая нагрузка). Допустим, вы обучаете модель прогнозирования на исторических данных. Какую стратегию валидации (CV) вы выберете, чтобы избежать "заглядывания в будущее" (data leakage), и почему стандартный K-Fold здесь может не подойти?