Научный сотрудник (машинное обучение)

• Участие в выполнении исследовательских и прикладных предметных проектов;

• Применение и разработка, а также программная реализация математических моделей и методов машинного обучения для решения исследовательских и прикладных предметных задач;

• Сбор, агрегация и подготовка исходных данных для обучения моделей, интерпретация и визуализация результатов;

• Подготовка отчетной документации по проектам и заявок на гранты;

• Участие в публикационной и диссеминационной активности, включая поездки на международные конференции;

• Участие в подготовке кадров высшей квалификации (работа с магистрантами и аспирантами).

• Дружный коллектив профессионалов;

• Работа в историческом центре Санкт-Петербурга;

• Корпоративный английский язык;

• Ежегодный оплачиваемый отпуск 42 дня в году;

• ДМС по корпоративным тарифам;

• Возможность регулярного повышения квалификации;

• Участие в спортивных мероприятиях (велопрогулки, забеги и пр. );

• Возможность отдыха и проведения мероприятий для сотрудников на загородной базе отдыха «Ягодное» и многое другое.

• Степень кандидата технических или физико-математических наук (или степень PhD) в области математического моделирования или в смежных областях ИЛИ сильный бэкграунд в указанной предметной области;
• Наличие научных публикаций в изданиях перечня Web of Science/Scopus (наличие англоязычных публикаций в журналах уровня Q1 по метрике SJR будет являться преимуществом);
• Знание теоретических основ и опыт практического применения статистических моделей и методов машинного обучения, методов моделирования сложных систем, вычислительных методов и технологий;
• Опыт разработки и анализа сложности алгоритмов, обработки данных, валидации моделей, интерпретации и визуализации результатов;
• Опыт разработки технических заданий, подготовки отчетной документации по проекту и заявок на гранты;
• Опыт разработки прикладного ПО и/или решения исследовательских задач на Python и/или других языках программирования;
• Практический опыт в хотя бы одной из следующих областей: классификация/кластеризация данных, анализ сложных сетей, анализ временных рядов и цепочек событий, анализ слабоструктурированных данных (в том числе текста), моделирование социально-экономических процессов, рекомендательные системы, генерация синтетических данных;
• Опыт использования одного или более фреймворков машинного обучения (например, scikit-learn, tensorflow);
• Системный подход к решению задач, ответственность, коммуникабельность;
• Высокий уровень самоорганизации, умение работать в режиме многозадачности; ​​​​​​​

• Английский язык (разговорный и письменный) на уровне, достаточном для чтения и написания технической и научной литературы, а также общения внутри команды и с зарубежными заказчиками.

Преимуществом будет:

• Наличие англоязычных публикаций в журналах уровня Q1 по метрике SJR