Senior ML Engineer (Supply Chain Planning / Operations Research)

О вакансии

Мы в поисках ML Engineer на проект разработки модулей планирования снабжения и производства (Operations Research / APS / Supply Chain). Технологический стек: Python (Senior), NumPy, asyncio, Pyomo, OR-Tools, PySCIPOpt, Gurobi/CPLEX/SCIP, PostgreSQL, Git, Docker, Unix-системы. Срок привлечения специалиста: до 30.03.2027 с возможным продлением График работы: удалённо, доступность по МСК, требуемая локация — Россия.

Чем предстоит заниматься

Разрабатывать модули планирования снабжения и производства: проектировать и реализовывать компоненты для календарного и производственного планирования и оптимизации запасов. Формализовывать бизнес-задачи как задачи математической оптимизации (LP, MILP). Строить и анализировать математические модели линейного (LP) и смешанно-целочисленного (MILP) программирования. Проектировать сложные вычислительные решения с применением шаблонов ООП. Вести агентную разработку с использованием ИИ: ставить задачи ИИ-агентам, управлять контекстом, проверять и интегрировать результаты в кодовую базу. Работать с Git (ветки, Merge Requests, Code Review), писать юнит- и интеграционные тесты.

Для нас важно

Опыт промышленной разработки на Python уровня Senior. Опыт в области Operations Research, систем планирования производства (APS), логистики или Supply Chain Management. Практический опыт построения моделей дискретной и линейной оптимизации для реальных бизнес-задач. Глубокое знание алгоритмов, структур данных, оценка сложности по Big O; шаблоны ООП и проектирование сложных вычислительных решений. SQL и работа с PostgreSQL. Владение Git (ветки, управление изменениями, разрешение конфликтов, Merge Requests, Code Review). Юнит- и интеграционное тестирование. Высшее техническое или математическое образование (прикладная математика, кибернетика, ИТ). Инструменты оптимизации: Pyomo, OR-Tools, PuLP, COIN-OR. Опыт работы с : Gurobi, CPLEX, SCIP, COPT, GLPK. Работа в Unix-подобных системах, принципы CI/CD. Декомпозиция крупномасштабных задач оптимизации. CP / CP-SAT и другие методы дискретной оптимизации. Многокритериальная оптимизация (multi-objective optimization): постановка задач с несколькими целями и анализ компромиссов между ними. Настройка решателей (solver tuning): подбор параметров, переформулирование задач с учётом особенностей решателя, анализ его производительности. Конкурентные и параллельные вычисления (concurrency, parallel computing): многопоточность, многопроцессность, параллельное выполнение вычислений. Оптимизация математических моделей: сокращение размерности, устранение избыточных переменных и ограничений, улучшение математической постановки. Профилирование и управление памятью: выявление узких мест по времени выполнения и потреблению памяти, снижение вычислительных затрат. Работа с REST API: интеграция оптимизатора с приложением, обработка HTTP-запросов на запуск расчётов по действию пользователя, передача и проверка параметров, обработка ошибок, получение статуса и результатов.

Главный принцип SkillStaff - Выбирай!

ЭКСПЕРТИЗА. Делай выбор в пользу проектов с разным уровнем сложности и экспертных команд, где можно работать с лучшими специалистами и обмениваться опытом. РАЗНООБРАЗИЕ ПРОЕКТОВ. Выбирай из сотен компаний и проектов то, что интересно и полезно для твоего роста. SkillStaff помогает реализовывать ежегодно порядка 500 различных ИТ-проектов для крупного бизнеса. КОМФОРТ. Создавай идеальные условия для своей работы: удаленный формат работы на территории РФ.