AYROSA

-Разбирать и обрабатывать документы в форматах Excel, PDF и сканы. -Извлекать табличные данные из документов.

Зарплата не указана

— обработка Excel, PDF и сканов; — извлечение и нормализация данных;

Зарплата не указана

Ищем Python-разработчика / AI Engineer уровня Middle+ / Senior на проект по автоматизации обработки и сверки финансовых документов. Проект связан с разработкой сервиса, который будет принимать акты сверки и внутренние выгрузки, извлекать из них данные, сопоставлять документы, находить расхождения и формировать понятный результат для пользователя. Задачи: — Разбирать и обрабатывать документы в форматах Excel, PDF и сканы. — Извлекать табличные данные из документов. — Нормализовать даты, номера документов, суммы и другие поля. — Проектировать и реализовывать логику сопоставления данных. — Выявлять расхождения между двумя источниками. — Обрабатывать сложные кейсы: разные периоды, отличающиеся номера, частичные совпадения и другие неоднозначные ситуации. — Интегрировать OCR и Document AI-инструменты. — При необходимости использовать LLM для интерпретации и формирования человекочитаемых объяснений. — Разрабатывать backend/API для сервиса. — Участвовать в проектировании архитектуры MVP. — Работать с реальными обезличенными финансовыми документами и тестировать качество решения на исторических данных. Требования: — Коммерческий опыт разработки на Python от 3 лет. — Уверенное владение Python. — Опыт работы с pandas и табличными данными. — Опыт обработки Excel / CSV. — Опыт парсинга PDF. — Опыт разработки backend-сервисов и REST API. — Понимание алгоритмов сопоставления, нормализации и очистки данных. — Умение проектировать решение самостоятельно, а не только работать по готовому ТЗ. — Опыт работы с Git. Будет большим плюсом: — Опыт с OCR: Tesseract, PaddleOCR или аналогами. — Опыт с PyMuPDF, pdfplumber, Camelot, Tabula. — Опыт с fuzzy matching. — Опыт работы с Document AI / Intelligent Document Processing. — Интеграция LLM API: OpenAI, Azure OpenAI, YandexGPT или аналогов. — Опыт разработки систем reconciliation / data matching. — Опыт работы с финансовыми, бухгалтерскими или другими структурированными документами. — Опыт On-Premise решений. — Опыт построения решений, где нужно сочетать детерминированную бизнес-логику и AI. Что здесь не требуется: — Мы не ищем классического Data Scientist и не планируем обучение собственных ML-моделей с нуля. В проекте важнее: — сильная прикладная Python-разработка; — работа с документами и данными; — построение надежной логики сопоставления; — понимание, где действительно нужен AI, а где лучше использовать обычные алгоритмы. О проекте: — На первом этапе планируется разработка MVP без глубокой интеграции с внутренними учетными системами. — Базовый сценарий: пользователь загружает акт сверки и внутреннюю выгрузку, система извлекает и нормализует данные, выполняет сопоставление, показывает совпадения и расхождения, формирует структурированный результат для пользователя. — Ожидаемый результат — рабочий прототип, который можно проверить на реальных исторических данных. Условия: — Удалённая работа. — Проектная занятость / аутстафф. — Возможна полная или частичная загрузка — обсуждается индивидуально. — Проект стартует с этапа MVP, с возможностью продолжения. — Работа в составе небольшой проектной команды. Ожидаемый уровень: Middle+ / Senior Нам нужен специалист, который сможет самостоятельно разобраться в предметной области, предложить техническое решение и довести его до рабочего результата. Будет преимуществом в отклике: — опыт похожих задач: обработка документов, OCR, reconciliation / matching, financial data processing, Document AI, LLM-интеграции. — указание текущей доступности, возможной загрузки в часах в месяц, часовой ставки, формата работы (ИП / самозанятый / другой).

Зарплата не указана

Задачи: — Разбирать и обрабатывать документы в форматах Excel, PDF и сканы. — Извлекать табличные данные из документов. — Нормализовать даты, номера документов, суммы и другие поля. — Проектировать и реализовывать логику сопоставления данных. — Выявлять расхождения между двумя источниками. — Обрабатывать сложные кейсы: разные периоды, отличающиеся номера, частичные совпадения и другие неоднозначные ситуации. — Интегрировать OCR и Document AI-инструменты. — При необходимости использовать LLM для интерпретации и формирования человекочитаемых объяснений. — Разрабатывать backend/API для сервиса. — Участвовать в проектировании архитектуры MVP. — Работать с реальными обезличенными финансовыми документами и тестировать качество решения на исторических данных. Требования: — Коммерческий опыт разработки на Python от 3 лет. — Уверенное владение Python. — Опыт работы с pandas и табличными данными. — Опыт обработки Excel / CSV. — Опыт парсинга PDF. — Опыт разработки backend-сервисов и REST API. — Понимание алгоритмов сопоставления, нормализации и очистки данных. — Умение проектировать решение самостоятельно, а не только работать по готовому ТЗ. — Опыт работы с Git. Будет большим плюсом: — Опыт с OCR: Tesseract, PaddleOCR или аналогами. — Опыт с PyMuPDF, pdfplumber, Camelot, Tabula. — Опыт с fuzzy matching. — Опыт работы с Document AI / Intelligent Document Processing. — Интеграция LLM API: OpenAI, Azure OpenAI, YandexGPT или аналогов. — Опыт разработки систем reconciliation / data matching. — Опыт работы с финансовыми, бухгалтерскими или другими структурированными документами. — Опыт On-Premise решений. — Опыт построения решений, где нужно сочетать детерминированную бизнес-логику и AI. Что здесь не требуется: — Классический Data Scientist и обучение собственных ML-моделей с нуля. — В проекте важнее: сильная прикладная Python-разработка; работа с документами и данными; построение надежной логики сопоставления; понимание, где действительно нужен AI, а где лучше использовать обычные алгоритмы. О проекте: — На первом этапе планируется разработка MVP без глубокой интеграции с внутренними учетными системами. — Базовый сценарий: пользователь загружает акт сверки и внутреннюю выгрузку, система извлекает и нормализует данные, выполняет сопоставление, показывает совпадения и расхождения, формирует структурированный результат для пользователя. — Ожидаемый результат — рабочий прототип, который можно проверить на реальных исторических данных. Условия: — Удалённая работа. — Проектная занятость / аутстафф. — Возможна полная или частичная загрузка — обсуждается индивидуально. — Проект стартует с этапа MVP, с возможностью продолжения. — Работа в составе небольшой проектной команды. — Ожидаемый уровень Middle+ / Senior. — Специалист должен самостоятельно разобраться в предметной области, предложить техническое решение и довести его до рабочего результата. Будет преимуществом в отклике: — Опыт похожих задач: обработка документов; OCR; reconciliation / matching; financial data processing; Document AI; LLM-интеграции. — Указание текущей доступности, возможной загрузки в часах в месяц, часовой ставки, формата работы: ИП / самозанятый / другой.

Зарплата не указана