Инженер машинного обучения Supply Network Planning

☑️ Чем предстоит заниматься -CP / CP-SAT и другие методы дискретной оптимизации -Многокритериальная оптимизация (multi-objective optimization) -Настройка решателей (solver tuning) -Конкурентные и параллельные вычисления (многопоточность, многопроцессность) -Оптимизация математических моделей -Профилирование и управление памятью -Разработка REST API приложений -Специализированные курсы по Discrete Optimization, Operations Research или алгоритмам -Проектирование и реализация компонентов для календарного и производственного планирования -Оптимизация запасов -Формализация бизнес-задач как задач математической оптимизации (LP, MILP) -Разработка и анализ математических моделей линейного и смешанно-целочисленного программирования -Постановка задач ИИ-агентам, управление контекстом, проверка и интеграция результатов в кодовую базу ☑️ Наши пожелания к кандидатам -Глубокое знание алгоритмов, структур данных, оценка сложности по Big O (Senior) -Python (Senior) -Шаблоны ООП и проектирование сложных вычислительных решений (Senior) -SQL и работа с PostgreSQL (Middle+) -Владение Git: работа с ветками, управление изменениями, разрешение конфликтов, создание Merge Requests, участие в Code Review (Middle+) -Юнит- и интеграционное тестирование (Senior) -Агентная разработка с использованием ИИ (Middle+) -Опыт промышленной разработки на Python уровня Senior -Опыт работы 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 -Будет плюсом: -Инструменты оптимизации: Pyomo, OR-Tools, PuLP, COIN-OR -Решатели: Gurobi, CPLEX, SCIP, COPT, GLPK -Работа в Unix-подобных системах, принципы CI/CD