МТСЭксперт по автоматизации сети радиодоступа
гибрид, Москва
Команда отвечает за автоматизацию и повышение автономности радиодоступа в сетях 4G/5G. Вы будете проектировать дорожную карту AN, внедрять closed-loop сценарии и AI/ML для прогнозирования и оптимизации RAN, а также сопровождать пилоты и тиражировать успешные решения на сеть МТС.
ГрейдSenior
Опытот 7 лет
Стек
5G NRO-RANAtoll ForskAircom AssetActixMentum PlanetTEMS PlanetTM Forum ANLETDataLakePythonSQL
Задачи
- •Разрабатывать дорожную карту автоматизации RAN по методологии TM Forum ANLET
- •Формировать каталог High-Value Scenarios (self-planning, self-optimizing, self-healing и др)
- •Проектировать и внедрять closed-loop/intent-based сценарии на стыке OSS, EMS/NMS и RAN-инструментов
- •Внедрять AI/ML-модели для прогнозирования трафика, детекции аномалий и автоматической оптимизации параметров
- •Постановка требований к данным RAN и интеграция источников (Common MR/MDT MR, PM/FM, конфигурационные и geolocated метрики) с DataLake и MWS
- •Сопровождать пилотные проекты: ТЗ, приёмочные испытания, оценка бизнес-эффекта и тиражирование
Обязательно
- •Высшее техническое образование в релевантной области
- •Опыт работы с радиосетями 4G LTE / 5G NR от 7 лет, не менее 3 лет в автоматизации/SON/RAN-оптимизации
- •Глубокое знание архитектуры RAN: eNodeB/gNB и протокольных стеков L1/L2/L3
- •Знание и опыт работы с интерфейсами S1, X2, Xn, F1, E1, O1/O2 (O-RAN)
- •Практический опыт настройки и оптимизации SON-алгоритмов: ANR, MLB, MRO, PCI, load balancing, coverage/capacity optimization
- •Опыт работы с инструментами планирования радиосетей: Atoll Forsk, Aircom Asset, Actix, Mentum Planet, TEMS Planet
- •Понимание методологий TM Forum (ANLET, IG1218K) и метрик автономности; умение формировать требования к данным RAN (Common MR/MDT MR, PM/FM-счётчики, конфигурационные данные, geolocated метрики)
Будет плюсом
- •Опыт внедрения AI/ML-моделей в задачи RAN (прогнозирование, кластеризация, детекция аномалий)
- •Опыт работы с большими объёмами данных: SQL, Python, Pandas/NumPy, Spark
- •Знание жизненного цикла ML и практики MLOps
- •Понимание 3GPP TS 32.450 / TS 32.401 / TS 28.554 в части KPI/KQI RAN-сети
