Чем предстоит заниматься:
- Разработка и поддержка моделей машинного обучения, адаптированных к данным о нефтяных месторождениях и инженерных процессах.
- Тесное сотрудничество с экспертами в данной области, чтобы понять рабочие процессы и определить возможности машинного обучения в производственных, резервуарных и объектных системах.
- Создавать, обучать и развертывать модели для прогнозирования, классификации, обнаружения аномалий или кластеризации с использованием структурированных и полуструктурированных данных.
- Проверять точность и производительность модели в реальных эксплуатационных условиях.
- Сотрудничать с командами разработчиков для интеграции моделей в платформы DOF или информационные панели.
- Изучение использования LLM или агентного искусственного интеллекта для поддержки технических запросов или улучшения взаимодействия с системами данных.
Требования:
- Большой опыт в области машинного обучения, моделирования данных и прикладной статистики.
- Владение библиотеками Python и ML, такими как scikit-learn, XGBoost, TensorFlow или PyTorch.
- Знакомство с наборами данных о нефтяных месторождениях, включая производственные данные, журналы датчиков, результаты моделирования или инженерные входные данные.
- Понимание проблем и контекста нефтегазовых рабочих процессов, даже если не из непосредственного опыта.
- Способность сотрудничать с геологами, инженерами-технологами или группами полевых операций для совместного проектирования эффективных моделей.
Будет плюсом:
- Опыт работы или разработки цифровых нефтяных систем (платформы DOF, индивидуальные решения или коммерческие инструменты).
- Доступ к облачным платформам, таким как Azure (предпочтительно) или AWS.
- Знакомство с фреймворками Agentic AI (LangChain, CrewAI, AutoGen) или LLM в качестве уровня поддержки в технических средах.
- Знание практик или инструментов MLOps (например, MLflow, Airflow или конвейеры развертывания моделей).