Данные и ML вакансии

Задачи: — построение uplift-моделей по сегментам для разных групп — разработка uplift-моделей для различных номиналов промоакций с последующей оптимизацией — прогноз RFM — участие в проведении A/B тестов, расчет финансовых эффектов от внедрения моделей

💎Опыт создания и управления DWH architectures, ClickHouse, dbt.

-Разработка и сопровождение OLAP-кубов. -SSAS Multidimensional database.

Вам предстоит Помогать проектировать и строить хранилища данных на Iceberg (спроектировать и реализовать озёрное хранилище вокруг Apache Iceberg, используя Spark/Trino в качестве compute-движков, с расчётом на объёмы данных в сотни ТБ); Мы ожидаем от вас Уверенный Python в контексте DE (2+ года);

Признаки (N ~200) намеренно анонимизированы, чтобы убрать преимущество финансового домена и сфокусировать задачу исключительно на моделировании зашумленных нестационарных рядов. Нужно предсказывать два таргета (t0, t1), оцениваемых по взвешенной корреляции Пирсона (с клиппингом в [-2.0, 2.0]).

-Выбор и построение подходящих математических моделей для решения поставленных задач. -Выбор оптимальной архитектуры решения задач продукта.

Знание Python и основ машинного и глубокого обучения (ML/DL). Понимание NLP и LLM, принципов дообучения моделей (Fine-tuning), построения RAG-систем и семантического поиска.

Проектировать и разрабатывать пайплайны загрузки данных. Делать это оптимально в зависимости от потребностей команд потребителей;

‼️ Qo`shimcha: Neonline ai jamoasiga ai va machine learning sohasiga qiziqadigan, boshlang‘ich bilimga ega va real ai loyihalar ustida ishlab, amaliy tajriba orttirishni istaydigan machine learning engineer intern stajyorlarni taklif qilamiz. talabla r: python, git bilan ishlash, va machine learning haqida boshlang‘ich tushunchaga ega bo‘lish.

ML-команда развивает рекомендательную систему и инструменты компьютерного зрения, обработки текста и распознавания речи. Предстоит улучшать модели, участвовать в сборе данных и оптимизировать инфраструктуру запуска моделей и мониторинга.

Предстоит: Участие в проекте умного ценообразования банковских продуктов; Полный цикл разработки моделей: сбор и подготовка данных, исследовательский анализ, построение uplift‑моделей, их валидация и оценка;

Задачи: — Останавливать абьюз до того, как потрачен compute (6M+ генераций в день, каждая мошенническая генерация расходует реальные GPU) — Строить систему, которая выдерживает адаптацию противника (фермы из сотен аккаунтов, перепродажа доступа, автоматизированный сбор промобонусов) — Разбирать кейсы руками и собирать сигналы из сырых событий, платежей и поведения пользователей — Самостоятельно доводить от первой гипотезы до работающего скоринга, мониторинга и обновления модели Требования: — 3+ года в DS/ML — Опыт работы с Python и SQL — Опыт внедрения моделей в production — Опыт работы с бустингами, дисбалансом классов и графами связей — Умение оценивать модель через предотвращённые потери и стоимость ложных блокировок Условия: — full-time (6 дней в неделю) — Полная поддержка с релокацией (финансовая + операционная) — Конкурентная зарплата в USD + опционы

Улучшать текущие и развивать новые пайплайны обработки текста в запросах и карточках товаров (исправление опечаток, синонимизация); Развивать направление онлайн-инференса в продуктах обработки текста;

Разрабатывать алгоритмы персональных, похожих и сопутствующих рекомендаций под разные продукты и рекомендательные поверхности; Повышать релевантность рекомендаций для увеличения средней корзины и конверсии;

Уверенное знание Python (ООП, typing, итераторы, генераторы, управление памятью). Опыт асинхронного и конкурентного программирования, разработки надежных сервисов на FastAPI, TDD, мониторинга и аудита.

Ищем DevOps/MLOps инженера в проектную команду для сопровождения и развития платформы машинного обучения и AI-сервисов (LLM, агенты, чат-боты). развёртыванием ML-моделей и AI-сервисов, локальных моделей (LLM, ML-модели) в различных средах;

Руководить командой ML-инженеров; Участвовать в найме и развитии команды;

Задачи: — Стать первым Analytics Engineer и связать платформу данных с бизнес-командами; — Создавать надёжные датасеты, KPI, модели данных и документацию для self-service аналитики; — Развивать самостоятельную работу команд с Snowflake, BI-инструментами и Snowflake MCP; — Удалённая работа из любой точки Франции с гибким графиком. Требования: — Сильный SQL и опыт BI-инструментов, например Looker, Metabase или Omni; — Опыт современных хранилищ данных: BigQuery, Redshift или Snowflake; — Знание Git, моделирования данных и принципов data warehousing; — dbt будет преимуществом; — Свободные английский и французский, умение работать с нетехническими стейкхолдерами.