Образование и научная глубина:
✓ Высшее химическое / химико-технологическое образование; учёная степень (к.х.н./PhD и выше) в области физической/коллоидной химии, химии поверхности, химической технологии, обогащения полезных ископаемых или материаловедения.
✓ Глубокое понимание химии поверхностно-активных веществ и адсорбции на границе раздела фаз (желательно — флотационных реагентов и обогащения сульфидных руд).
Настоящая ML-грамотность
✓ Практический опыт применения машинного обучения к химическим/материаловедческим задачам: QSPR/QSAR, предсказание свойств, байесовская оптимизация/планирование эксперимента, работа с малыми и шумными экспериментальными выборками.
✓ Понимание вычислительной химии (DFT / молекулярное моделирование) хотя бы на уровне заказчика-постановщика; способность оценивать, что моделируемо, а что нет.
✓ Свободно читает ML-литературу, ставит задачи ML-инженерам и критически оценивает их результаты (не обязательно кодит продакшн сам).
Лидерство и результат:
✓ Опыт руководства R&D-проектами/командами и доведения разработки до практического результата (внедрение, пилот, продукт), а не только публикаций.
✓ Опыт работы на стыке дисциплин и управления смешанными командами (учёные + инженеры + данные).

Будем присылать подборку актуальных вакансий раз в неделю
Будь в курсе мероприятий и новостей о карьере в «Норникеле»