Brésil
Pentera
Tractian
Data Scientist - Maintenance Prédictive
À distanceBrésil
São Paulo, São Paulo, Brazil
Python
Traduction automatique. Consultez l’original.
LA SCIENCE DES DONNÉES CHEZ TRACTIAN
L'équipe Data Science de Tractian construit des systèmes de machine learning qui transforment les données industrielles en informations fiables et exploitables. En travaillant avec des données de capteurs à grande échelle et des signaux complexes de séries temporelles, nous développons des modèles qui aident les entreprises industrielles à comprendre le comportement des équipements, à détecter les anomalies, à anticiper les défaillances et à prendre de meilleures décisions de maintenance.
Notre objectif va au-delà du développement de modèles. Nous construisons et faisons évoluer des solutions de ML de qualité production, en combinant des techniques de modélisation avancées et des systèmes logiciels robustes. Cela inclut la conception de pipelines d'inférence évolutifs, le suivi des performances des modèles dans des environnements réels, la gestion de la dérive des données et des concepts, et la garantie que nos modèles restent fiables à mesure que le comportement des machines et les conditions d'exploitation changent.
VOTRE RÔLE
En tant que Data Scientist spécialisé dans les séries temporelles et la maintenance prédictive, vous développerez, déployerez et améliorerez continuellement des systèmes de machine learning qui fonctionnent sur des données industrielles réelles.
Vous travaillerez sur l'ensemble du cycle de vie du ML, de l'exploration de nouvelles approches de modélisation et de la validation d'hypothèses à la construction de systèmes d'inférence prêts pour la production et au suivi de leur comportement à grande échelle. Vous relèverez des défis impliquant des séries temporelles non stationnaires, des équipements hétérogènes, des données de capteurs bruitées, des décalages de distribution et les contraintes opérationnelles du déploiement du ML dans des environnements industriels.
Vous collaborerez étroitement avec les Data Scientists, les Ingénieurs Logiciels et les équipes de laboratoire pour transformer la recherche et l'expérimentation en produits fiables qui apportent une valeur mesurable à nos clients.
RESPONSABILITÉS
- Développer des modèles ML de séries temporelles : Concevoir et implémenter des algorithmes de machine learning pour la détection d'anomalies, la prévision, la modélisation comportementale et la surveillance de l'état en utilisant des données de capteurs industriels à grande échelle.
- Mettre en production des solutions de machine learning : Traduire les modèles expérimentaux en systèmes de production fiables, maintenables et évolutifs, en tenant compte de la latence d'inférence, de l'efficacité computationnelle, de l'utilisation de la mémoire et des coûts opérationnels.
- Construire des systèmes de surveillance et d'évaluation des modèles : Concevoir des métriques, des diagnostics et des mécanismes de surveillance pour suivre la qualité des données, les distributions des caractéristiques, les scores d'anomalie, la stabilité des prédictions, ainsi que la dérive et les performances des modèles au fil du temps.
- Concevoir des stratégies de modélisation robustes : Examiner des approches qui équilibrent les performances prédictives, la généralisation, l'adaptabilité, l'interprétabilité et les coûts de maintenance dans des conditions d'exploitation changeantes.
- Ingénierie des représentations de séries temporelles : Développer des techniques d'extraction de caractéristiques, de traitement du signal et d'apprentissage de représentations pour capturer des motifs temporels et physiques significatifs à partir des données de capteurs industriels.
- Mener des expériences rigoureuses : Formuler des hypothèses, concevoir des expériences contrôlées, comparer des approches alternatives et évaluer des modèles en utilisant des stratégies de validation temporelle appropriées et des scénarios de déploiement réalistes.
- Optimiser les pipelines ML : Améliorer le traitement des données, le calcul des caractéristiques, le service des modèles et les flux d'inférence pour prendre en charge des applications à haut débit, à faible latence et économes en ressources.
- Faire le lien entre la recherche et la production : Évaluer les méthodes de pointe et traduire les techniques prometteuses en solutions pratiques, testables et prêtes pour la production.
- Collaborer entre les disciplines : Travailler avec les ingénieurs logiciels, les équipes produit et les spécialistes de laboratoire pour valider les modèles, enquêter sur les cas de défaillance et améliorer continuellement la fiabilité de nos produits de maintenance prédictive.
PROFIL RECHERCHÉ
- Solide expérience en machine learning, avec une expérience pratique du développement de modèles pour les séries temporelles, la détection d'anomalies, la prévision ou des problèmes de modélisation séquentielle connexes.
- Maîtrise de Python et des bibliothèques courantes de ML et de traitement de données, telles que NumPy, pandas, scikit-learn, PyTorch, ou des frameworks équivalents.
- Expérience dans la mise en production de modèles de machine learning depuis l'expérimentation, y compris l'organisation du code, les tests, l'optimisation des performances et l'intégration avec des pipelines de données ou d'inférence.
- Compréhension solide des fondamentaux des séries temporelles, y compris les dépendances temporelles, la non-stationnarité, la saisonnalité, le bruit et les stratégies de validation appropriées.
- Compréhension de la dérive des données et de la dégradation des modèles en production, y compris les techniques de surveillance des décalages de distribution, d'évaluation de la stabilité des modèles et d'identification des moments où des mises à jour de modèles sont nécessaires.
- Solides compétences en ingénierie logicielle, y compris la rédaction de code modulaire, testable et maintenable, et la conception de solutions pouvant fonctionner de manière fiable à grande échelle.
- Expérience dans la conception d'expériences et le benchmarking de modèles en utilisant des métriques, des points de référence et des méthodologies de validation appropriés.
- Capacité à analyser des données complexes, bruitées et de haute dimension, et à traduire les découvertes empiriques en décisions techniques solides.
- Maîtrise de l'anglais et du portugais.
ATOUTS SUPPLÉMENTAIRES
- Expérience avec les séries temporelles de données de capteurs, en particulier les signaux de vibration, d'accélération, de vitesse, de courant, de température, de pression ou autres.
- Connaissance du traitement du signal, de l'analyse spectrale, de l'ingénierie des caractéristiques et de la surveillance de l'état.
- Expérience avec l'observabilité ML en production, la surveillance des modèles, l'évaluation automatisée, les pipelines de réentraînement ou la gestion du cycle de vie des modèles.
- Expérience avec l'apprentissage en ligne, les modèles adaptatifs, l'apprentissage non supervisé ou auto-supervisé, ou les méthodes conçues pour gérer les distributions de données changeantes.
- Expérience dans la traduction de la recherche académique en systèmes ML fiables de qualité production.
- Familiarité avec l'infrastructure cloud, la conteneurisation, l'orchestration et les outils de déploiement ML.
- Expérience préalable dans les applications industrielles, de fabrication, IoT ou de maintenance prédictive.
RÉMUNÉRATION & AVANTAGES
- Rémunération compétitive
- 30 jours de congés payés annuels
- Allocation pour l'éducation et les formations
- Gagnez un voyage n'importe où dans le monde tous les 4 ans
- R$1.035/mois pour l'allocation repas
- Plan de santé avec couverture nationale et sans participation
- Assurance dentaire : nous vous aidons pour les traitements dentaires afin d'améliorer votre qualité de vie.
- Adhésion Wellhub : Accédez à un large éventail de salles de sport et de programmes d'entraînement.
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil