Senior ML Engineer (Energy & Utilities)

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Senior ML-инженер в компанию AZX, работающую над AI-решениями для энергетики и ЖКХ. Задача — создавать переиспользуемые ML-библиотеки и инфраструктуру (симуляционный движок, инструменты для данных энергосетей), которые используют все клиентские команды.

Задачи

• Разрабатывать и поддерживать переиспользуемые ML-библиотеки: прогнозирование, disaggregation, demand response, детекция и оценка состояния активов — каждая с собственным evaluation harness и документацией
• Создавать проверенные библиотеки с валидацией, чтобы клиентские команды использовали готовые компоненты, а не переизобретали их
• Отвечать за симуляционный движок (Rust-крейты и Python-биндинги), включая методологию валидации и производительность, и делать city-scale building stock tractable через representative-archetype simulation
• Разрабатывать тулкиты для работы с данными энергосетей: протокольные кодеки (класса IEEE C37.118), генераторы синтетических сценариев и утилиты верификации
• Строить поддержку планирования и диспетчеризации для программ demand-response
• Отвечать за публикацию версионированных крейтов и Python-пакетов вместе с evals и бенчмарками
• Поддерживать обратную связь с клиентскими командами: отслеживать ошибки в полевых условиях и превращать их в следующие задачи

Требования

• 5+ лет опыта применения ML на реальных сигналах: прогнозирование, disaggregation, детекция/классификация на интервальных или сенсорных данных, survival/reliability-моделирование или смежная отрасль
• Сильные навыки численных и научных вычислений: feature engineering из сырых интервальных данных, solver-level numerics, здоровый скептицизм к собственным метрикам
• Python плюс системный язык: модели и тулинг на Python, движок на Rust; глубина в одном, рабочая способность в другом и желание закрыть пробел
• Опыт создания библиотек для других инженеров: версионирование, тесты, документация, удобный API
• Готовность самостоятельно заниматься data engineering: находить, чистить, джойнить и профилировать данные
• Практическое владение стеком: Python 3.12+ (numpy, pandas/polars, scikit-learn, statsmodels), time-series feature engineering, библиотеки прогнозирования/кластеризации (sktime/statsforecast), SQL/Postgres или TimescaleDB
• Готовность освоить Rust (или аналогичный системный язык) через PyO3/maturin, а также строить evaluation harnesses и CI для научного ПО
• Готовность быстро освоить энергетическую терминологию
• Степень бакалавра; магистратура — плюс
• Право на работу в США на полную ставку (спонсорство визы не предоставляется)

Условия

• Полностью удалённая работа с кластером коллег в Сиэтле
• Конкурентная компенсация ранней стадии стартапа (зависит от навыков, опыта и локации)
• Возможность получения бонуса
• Медицинская страховка с покрытием для иждивенцев
• Гибкий оплачиваемый отпуск
• Опционы (equity)
• Поездки 2 раза в год на корпоративные саммиты
• Процесс интервью: письменное тестовое задание и живая двухчасовая техническая сессия

Навыки

• Python
• Rust
• numpy
• pandas
• polars
• scikit-learn
• statsmodels
• sktime
• statsforecast
• SQL
• Postgres
• TimescaleDB
• PyO3
• maturin
• time-series forecasting
• clustering
• feature engineering
• CI
• IEEE C37.118