Backend-разработчик senior (Python)

Описание проекта:

Интеллектуальное ядро CRM 2.0 представляет собой прикладную вычислительную платформу, предназначенную для моделирования рынка алюминия, как системы взаимосвязанных объектов, событий и факторов влияния. Ядро используется для решения задач лидогенерации, управления рисками и объяснимого прогнозирования

Основные требования:

• 5+ лет опыта разработки на python;
• Навыки проектирования (system design, проектирование БД);
• Опыт работы с графовыми и векторными базами;
• Желателен опыт работы с SPARQL, pyMangle;
• Уверенные знания postgresql, умение оптимизировать sql-запросы;
• Уверенное знание одного из фреймворков: fastapi, django, flask;
• Навыки работы с multiprocess/threading;
• Базовые навыки devops (docker, k8s), опыт с kafka.

Образование и фундаментальные знания:

• Глубокое понимание линейной алгебры (матричные операции, разложения, SVD), теории вероятностей, математической статистики (проверка гипотез, регрессионный анализ) и теории графов.

Профессиональные компетенции:

• ​Владение аппаратом вероятностных графовых моделей (PGM) - как статических, так и динамических:
  • Байесовские сети (включая динамические DBN);
  • Марковские сети (MRF, CRF, динамические марковские сети);
  • Модели последовательностей (скрытые марковские модели HMM, фильтры Калмана).
• Опыт применения байесовских методов: байесовская классификация, байесовский вывод, оценка неопределённости;
• ​Практические навыки вероятностного вывода: использование методов приближённого вывода (вариационный вывод, MCMC) для обучения графовых моделей на больших объёмах данных.

Опыт решения прикладных задач:

• Моделирование сложных систем во времени: разработка архитектур на основе динамических байесовских сетей (DBN) для анализа поведения пользователей, прогнозирования и выявления скрытых состояний;
• Работа с неполными данными: восстановление пропущенных значений в сенсорных данных с помощью байесовских динамических классификаторов и марковских свойств;
• ​Структурное обучение: построение динамических марковских сетей для моделирования изменяющихся зависимостей в финансовых временных рядах с целью повышения точности прогнозов;
• ​Масштабирование вероятностных моделей: опыт применения вариационного вывода и методов MCMC для обучения графовых моделей на больших графовых структурах.

Будет плюсом:

• Знание современных библиотек и фреймворков для вероятностного программирования (PyMC, Stan, TensorFlow Probability, pgmpy) будет преимуществом;
• Способность формализовать предметную область в терминах вероятностных графовых моделей и интерпретировать результаты для бизнес-задач;
• ​Опыт лидства либо менторства.

• Возможность присоединиться к команде, работающей над цифровизацией реального сектора экономики;
• Удаленный формат работы, гибрид, офис;
• Возможность участвовать в интересных и сложных проектах с ведущими специалистами индустрии;
• Пятидневная рабочая неделя (5/2) с 9:00 до 18:00;
• Работа в крупной международной компании (69 тыс. сотрудников, 1-е место по объему производства алюминия в мире), официальное трудоустройство (белая ЗП, отпуск, больничный);
• Оформление, оплата отпусков и больничных в соответствии с ТК РФ.