Senior Data Scientist – Builder

Заголовок: Ведущий специалист по обработке данных – Разработчик Местоположение: Мумбаи, Индия

Местоположение: Мумбаи, Индия Занятость: Полная О Puma Energy В Puma Energy данные являются основой того, как мы трансформируем нашу глобальную деятельность и создаем ценность по всей цепочке поставок энергии. Наша команда по данным и аналитике создает современную облачную платформу данных на AWS и Databricks, предоставляя надежные, масштабируемые продукты данных, которые используются для аналитики, ИИ и принятия критически важных бизнес-решений. Мы ищем ведущего специалиста по обработке данных, который по своей сути является разработчиком — человеком, который лично проектирует, внедряет и управляет системами машинного обучения и агентской автоматизации в производственной среде, а также повышает технический уровень всей команды посредством практического наставничества и обоснованной методологии. Это не чисто стратегическая или консультативная роль: вы будете работать с кодом, данными и моделями, а также направлять других специалистов по обработке данных и инженеров в правильном подходе. Вы будете тесно сотрудничать с нашим отделом инжиниринга данных (который создает наши масштабируемые продукты данных на Databricks/AWS/Spark) и с представителями коммерческого, розничного, снабженческого и торгового отделов. Эта роль выходит за рамки создания моделей в блокноте. Вам предстоит: Полностью управлять продуктами обработки данных — от определения неоднозначной бизнес-задачи до внедрения и мониторинга производственной модели. Создавать и внедрять прикладные решения агентской автоматизации, которые дополняют или заменяют ручные аналитические/операционные рабочие процессы. Руководить командами в выборе правильного технического подхода — методы моделирования, архитектуры и стратегии внедрения в производство — без формального управления персоналом. Сотрудничать с представителями бизнеса для преобразования сложных проблем в масштабируемые, измеримые решения в области обработки данных и автоматизации. Постоянно повышать уровень строгости экспериментов, воспроизводимости и производственной дисциплины в команде. Обязанности Создание и внедрение продуктов обработки данных в производственной среде Проектирование, создание и поддержка моделей машинного обучения и решений для обработки данных с использованием Databricks, Spark (PySpark), Python, SQL и AWS. Управление полным жизненным циклом ML: постановка задачи, подготовка данных, инжиниринг признаков, обучение и оценка модели, развертывание, мониторинг и переобучение. Создание повторно используемых фреймворков моделирования, курируемых наборов признаков и активов для обработки данных самообслуживания для прогнозирования, оптимизации, сегментации и предиктивных сценариев использования. Написание чистого, поддерживаемого, производственного кода с сильной дисциплиной тестирования, контроля версий и ревью кода. Прикладная агентская автоматизация Проектирование и создание прикладных рабочих процессов агентской автоматизации (например, систем на основе LLM/агентов, которые планируют, извлекают, рассуждают и действуют) для автоматизации аналитических, операционных или отчетных процессов. Оценка и выбор соответствующих фреймворков и инструментов агентской автоматизации, сбалансированных по надежности, стоимости и ремонтопригодности для производственного использования. Установление контрольных показателей, практик оценки и мониторинга для агентских систем, внедренных в бизнес-процессы. Проектирование решений и техническое руководство Сотрудничество с представителями бизнеса для понимания требований и их преобразования в масштабируемые решения в области обработки данных и автоматизации. Руководство и наставничество других специалистов по обработке данных и инженеров посредством ревью дизайна, парной работы и ревью кода/методологии — определение технического направления без формальных управленческих полномочий. Оценка компромиссов в архитектуре и моделировании и влияние на технические стандарты и лучшие практики команды. Управление дизайном решений от концепции до внедрения в производственную среду. Инженерное совершенство Создание производственных решений с упором на качество, тестирование, наблюдаемость и надежность. Внедрение конвейеров автоматической валидации, мониторинга и переобучения моделей в партнерстве с Data Engineering и MLOps. Устранение производственных проблем и постоянное улучшение производительности моделей и опыта разработчика. Бизнес-партнерство Сотрудничество с представителями бизнеса, владельцами продуктов, аналитиками, архитекторами и инженерами для решения высокоэффективных бизнес-задач. Четкое изложение технических концепций и результатов как технической, так и нетехнической аудитории. Полное владение решениями от исследования и проектирования до производственной поддержки. Требуемые навыки и квалификация Основные технические навыки 6–10 лет практического опыта в области обработки данных / машинного обучения с подтвержденным опытом создания, внедрения и поддержки решений ML в производственной среде — не только прототипирование или консультативная работа. Сильный, подтвержденный практический опыт работы с Databricks является обязательным для этой роли — это не обсуждаемое требование, а не просто желательное. Не менее 1 года практического опыта создания прикладных решений агентской автоматизации (например, агентов LLM, агентских рабочих процессов, систем, использующих инструменты ИИ), которые были внедрены или прошли пилотное тестирование в реальном бизнес-контексте. Глубокие знания Python, SQL и как минимум одного фреймворка ML (TensorFlow, PyTorch или scikit-learn). Практический опыт работы с Apache Spark (PySpark) и облачными платформами данных на AWS. Глубокое понимание полного жизненного цикла ML: экспериментирование, валидация, развертывание и мониторинг в масштабе. Прочные основы программной инженерии, включая Git, CI/CD, тестирование и качество кода. Отличные коммуникативные навыки с возможностью влиять на заинтересованные стороны, наставлять коллег и вести технические дискуссии — без необходимости формального опыта управления людьми. Желательно Сертификаты Databricks или AWS. Опыт работы с инструментами MLOps (MLflow, Airflow/Prefect) и Infrastructure as Code (Terraform). Опыт работы с экспериментами / причинно-следственным анализом и методологией A/B тестирования. Опыт работы в энергетике, сырьевых товарах, сфере торговли топливом/розничной торговли или аналитике торговли. Навыки визуализации данных (Power BI, Tableau, Plotly/Dash). Успешная работа Полное владение и предоставление производственных решений в области обработки данных и агентской автоматизации, которые обеспечивают принятие критически важных бизнес-решений. Внедрение как минимум одного прикладного рабочего процесса агентской автоматизации, который значительно сокращает ручной труд или ускоряет принятие решений. Заметное повышение технического уровня команды посредством наставничества, ревью дизайна и лучших практик — при этом оставаясь практиком. Построение прочных партнерских отношений с представителями бизнеса и достижение измеримых бизнес-результатов. Постоянное повышение надежности, масштабируемости и экономической эффективности моделей на платформе Databricks/AWS. Почему стоит присоединиться к Puma Energy Работайте на современной платформе Lakehouse AWS + Databricks, используемой в глобальном предприятии. Работайте над сложными, высокоэффективными задачами обработки данных и агентской автоматизации с реальным влиянием на бизнес. Полностью управляйте решениями с автономией и ответственностью — это роль практического разработчика, а не чисто стратегическая. Развивайте свою карьеру через техническое лидерство и наставничество по индивидуальной траектории развития, не будучи вынужденным заниматься управлением людьми.