Аналитик данных

На сегодняшний день основной задачей является проведение научных исследований в области краткосрочного прогнозирования инцидентов и чрезвычайных ситуаций.

Методы исследования:

методы оптимизации: линейные и нелинейные, дискретные и непрерывные; целочисленные;

математическая статистика: проверка сложных гипотез, статистические критерии, анализ выживаемости, факторный анализ;

machine learning: GLM, supervised and unsupervised cluster analysis, feature selection and engineering;

анализ и прогнозирование временных рядов: адаптивное краткосрочное прогнозирование;

теория расписаний (scheduling problems): job shop problem и flow shop problem;

транспортные, распределительные и потоковые методы решения оптимизационных задач.

Инструменты:
R/RStudio (shiny, caret, forecast, sweep, timetk, imbalance, boruta, ggplot2, fastcluster, bigmemory, text2vec, ppp, CEGO).
ОС: linux (debian).
БД: PostgreSQL.
Git.

Имею реальный практический опыт сбора и консолидации больших данных из различных источников (геораспределенные данные в формате NetCDF), в том числе сильно зашумленных данных.

В круг исследовательских задач входит:

Постановка научной задачи исследования.
Формулирование и проверка статистических гипотез.
Планирование и проведение численных экспериментов.
Подготовка данных для обучения моделей.
Построение моделей анализа данных.
Проверка адекватности данных и валидация моделей.

Обязанности:
проведение занятий по математическим и эконометрическим дисциплинам: алгебра, теория вероятностей, математическая статистика, методы оптимизации, статистика, эконометрика.

Обязанности:
проведение занятий по математическим и инженерным дисциплинам: теория вероятностей, математическая статистика, методы оптимизации, математическое моделирование, теория нечетких множеств;
проведение научных исследований в области прогнозирования чрезвычайных ситуаций и написание научных статей;
руководство выпускными квалификационными работами.