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.