Данные и ML вакансии - удалённо

Role Focus: Build and deploy production-grade AI/ML and Generative AI systems, with a focus on LLMs, RAG, personalization, MLOps, and cloud infrastructure. - Build RAG pipelines, semantic/vector search, conversational AI, and intelligent assistants.

Задачи: — поддержка и развитие решения по обогащению данных на основе event sourcing — построение витрин данных с использованием Airflow, dbt и Materialized Views в ClickHouse — внедрение проверок качества данных — автоматизация рутинных задач — внедрение стандартов Data Engineering — ведение технической документации Требования: — от 3 лет опыта в data engineering — уверенное владение SQL (сложные аналитические запросы, оптимизация) — сильный Python (фундаментальные знания и опыт с библиотеками для DE — pandas, SQLAlchemy, PySpark) — опыт разработки production‑кода (ООП, архитектура приложений, тестирование, Git, CI/CD) — практический опыт работы с Airflow (создание и поддержка DAG) — опыт работы с dbt (модели, тесты, макросы) — опыт работы с ClickHouse (движки таблиц, Materialized Views, тюнинг производительности) — опыт работы с Kafka (продюсеры/консьюмеры, топики и партиционирование, гарантии доставки) — опыт с инструментами контроля качества данных (dbt tests, Great Expectations, Soda) — ориентация на результат и ответственность за итоги работы

• 3+ лет опыта в Data Engineering. • Опыт полного ownership хранилища: от источников до пользовательских витрин.

Role Focus: Build and deploy production-grade AI/ML and Generative AI systems, with a focus on LLMs, RAG, personalization, MLOps, and cloud infrastructure. - Build RAG pipelines, semantic/vector search, conversational AI, and intelligent assistants.

• Минимум 8 лет в data engineering или смежных ролях. • 2–3 года практики с платформой Databricks.

Задачи: — сбор данных на киргизском языке для AI/LLM Требования: — свободное владение киргизским языком (родной или уровень носителя) — внимательность, усидчивость, способность работать по инструкции — базовые навыки работы с компьютером или смартфоном (для записи аудио) — опыт работы не требуется, всему научат Условия: — полная занятость — график 6/1 или 5/2 — удалённый формат работы — зарплата от 35 000 ₽ за месяц на руки

3+ лет опыта в Data Engineering. Опыт полного ownership хранилища: от источников до пользовательских витрин.

Развивать ядро платформы: фреймворк Data Vault, обвязку Airflow, lineage-инструменты — проектировать API, которыми будут пользоваться другие инженеры, и нести за них ответственность. Писать библиотеки и фреймворки на Python: клиенты к источникам, инструменты тестирования пайплайнов, обёртки над инфраструктурой.

• 5+ лет опыта в прикладном ML/AI с ответственностью за системы end-to-end. • Уверенное владение Python.

-Разрабатывать и выводить в промышленную эксплуатацию решения на базе ИИ, в том числе AI-агентов на базе LLM. -Проектировать архитектуру AI-агентов и подходы к их построению.

Ищем исследователя, который построит количественный и AI-контур инвестиционного процесса: мониторинг тезисов, point-in-time данные, backtesting, портфельная аналитика, LLM-агенты.

• Опыт в финтехе будет большим плюсом.

Ожидания от кандидата знание основ математической статистики и основных методов расчета A/B тестов, а также интерес к другим методикам (bootstrap, cuped, diff-in-diff и др.); глубокое понимание области NLP;

Design and implement a next-generation data platform that supports diverse requirements, including batch and real-time integrations, advanced analytics, and multiple data types, leveraging Kafka, Kafka-based tooling, and additional streaming technologies to power real-time data movement and processing.

• 5+ лет опыта в ML/CV, включая production.

• Глубокое понимание и опыт работы с Docker и Kubernetes (K8s). • Опыт построения CI/CD for ML.

• 4+ года коммерческого опыта в Data Engineering. • Уверенное знание AWS: S3, Glue, Athena, Lake Formation/IAM, Lambda, Step Functions.

💎 Компания Selecty ищет Data‑инженера / разработчика витрин для разработки витрин (70–80 % задач), сопровождения на уровне 3‑й линии (20–30 %), поднятия витрин в MVP с нуля, реализации витринной разработки и интеграции с командой веба.