82
Data ScientistСопровождение ML-решений (мониторинг сервисов и моделей, отслеживание дрейфа данных, работа над развитием); Оценка влияния на бизнес предложенных решений;
Зарплата не указана
Данные и ML вакансии — гибрид
Загружаем вакансии…
Загружаем вакансии…
Сопровождение ML-решений (мониторинг сервисов и моделей, отслеживание дрейфа данных, работа над развитием); Оценка влияния на бизнес предложенных решений;
Зарплата не указана
-Подготовкой математического ядра для сервисов, связанных с поиском на Фарпосте. -Помогать улучшать инфраструктуру и внедрять современные инженерные практики для наших сервисов.
Зарплата не указана
LLM, RAG и векторные хранилища; оркестрация в Airflow;
Зарплата не указана
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
О нас за минуту DV Group — это eRetail маркетинг. У нас две собственные платформы: CDP (DV Platform) — сегментирует покупателей по чековым данным, MAID, строит Sales Lift. DSP (DV Programmatic) — закупает трафик в RTB с таргетингом на реальных онлайн-покупателей (не на интересы). Уникальная интеграция с ПБД. Что предстоит делать Разработка и внедрение ML-моделей Анализ больших объемов данных Построение recommendation / prediction моделей Подготовка и очистка данных Проведение A/B тестов Написание сложных запросов ClickHouse и их оптимизация Взаимодействие с frontend-разработчиками, backend-разработчиками, аналитиками, product-менеджером и DevOps Кто нам нужен Python, SQL, Spark, ClickHouse pandas, numpy, scikit-learn Опыт работы с ML-моделями Работа с оркестраторами (Dagster, Airflow) и Kubernetes Понимание статистики и теории вероятностей Способность разрабатывать надежные ETL пайплайны Что предлагаем Зарплата: 200 000 – 220 000 ₽ оклад net + годовая премия Формат: гибрид или полная удалёнка, но ты проживаешь в РФ График: 10:00–19:00 ДМС со стоматологией после испытательного срока, локация Москва Свой бариста в офисе и правда классный Экспертная среда — никакой скуки, только реальные AdTech-задачи и возможность влиять на продукт Продукт в реестре отечественного ПО — это важно для нас и для клиентов.
200 000 – 220 000 ₽
As the Senior Staff Machine Learning Platform Engineer, you will own the technical vision and evolution of Faire’s ML platform. You will set standards, influence org-wide architecture, and lead complex, cross-functional initiatives that unlock data science velocity at scale.
248 000 – 341 000 $
-Дистрибуция страховых продуктов. Предстоит развивать модели отбора пользователей, которым может быть актуален конкретный страховой продукт.
Зарплата не указана
-Строить конвейеры подготовки данных: сбор, очистку, нормализацию, дедупликацию и разметку. -Формировать обучающие, валидационные и независимые оценочные выборки, контролировать утечки и пересечения.
Зарплата не указана
Стек: Python (pandas, numpy), XGBoost/LGBM/CatBoost, SQL, Airflow, базовый DL.
Зарплата не указана
• разрабатывать и оптимизировать SQL-запросы, процедуры, функции, триггеры, views; • работать со структурой БД, индексами и миграциями;
Зарплата не указана
Зарплата не указана
В МТС Банке открыта вакансия руководителя направления качества данных с возможностью работать удалённо или в гибридном формате из Москвы. В обязанности входит создание и развитие процессов управления качеством данных, формирование требований к качеству с учётом бизнес-важности и регуляторных норм, интеграция этих требований в производственные процессы, а также разработка рекомендаций по улучшению систем и процессов для повышения качества данных. Также необходимо разрабатывать метрики для мониторинга качества, совершенствовать инструменты качества данных, развивать систему инцидент-менеджмента и организовывать обучение команд для повышения культуры работы с данными. Кандидат должен обладать знаниями современных практик качества данных, разбираться в методологиях DAMA, DCAM или аналогичных, иметь опыт внедрения практик управления данными и понимание жизненного цикла данных. Наличие сертификатов по управлению данными, опыт работы в банковской сфере и внедрения AI-инициатив будут преимуществом.
Зарплата не указана
Зарплата не указана
Задачи: — Развивать модели прогнозирования спроса и ценовой эластичности — Исследовать подходы к causal inference, uplift-моделированию и оценки эффекта изменения цены — Проектировать временную валидацию, backtesting и бизнес-метрики качества
Зарплата не указана
Задачи: — Проектировать и поддерживать интеграцию источников данных (взаимодействие с процессинговыми системами и Автоматизированной Банковской Системой / АБС); — Организовывать мониторинг актуальности входящих данных и оперативно реагировать на инциденты; — Готовить данные для загрузки в оговоренные форматы хранения (Data Lake / DWH) для последующего потребления смежными командами; — Разрабатывать и оптимизировать витрины данных для BI-отчетности в Superset и PowerBI; — Проводить глубокую проверку качества данных (Data Quality), выявлять аномалии и устранять корневые причины ошибок; — Обеспечивать бесперебойную актуальность данных, нести ответственность за соблюдение SLA и быстрое восстановление при авариях. Требования: — Опыт в направлении финтех; — Отличное знание SQL (DDL/DML) в PostgreSQL; — Хорошее знание SQL (DDL/DML) в ClickHouse; — Отличные навыки оптимизации SQL-запросов в PostgreSQL; — Отличные навыки работы с Python: написание и поддержка DAG-ов в Airflow, опыт работы с асинхронными сервисами; — Хорошие навыки конфигурирования PostgreSQL.
Зарплата не указана
- 4+ лет коммерческого опыта в роли Data Engineer / ETL-разработчик. - Сильный SQL.
Зарплата не указана
Сбор, обработка и анализ данных Яндекс.Метрики и внутренних систем. Создание ETL-пайплайнов, витрин данных и регулярной отчётности.
Зарплата не указана
Задачи: — Возглавлять команду Data Scientists, участвовать в найме, онбординге и развитии сотрудников; — Обеспечивать операционную деятельность: дейли-митинги, спринт-планирование, ретроспективы, демо; — Формировать и развивать бэклог задач, определять приоритетные бизнес-задачи и оценивать ценность решений; — Выстраивать кросс-функциональное взаимодействие с Data Engineering, MLOps и бизнес-подразделениями, договариваться о приоритетах и ресурсах; — Отвечать за полный жизненный цикл моделей: сбор данных, разметка, обучение, валидация, деплой, мониторинг; — Руководить проектированием и внедрением решений; — Обеспечивать разработку, валидацию и мониторинг моделей, включая стандарты, политики и документооборот; — Проводить архитектурные ревью, задавать стандарты качества кода и документации; — Принимать участие в написании production-кода; — Контролировать соблюдение сроков и качества результатов; — Переводить бизнес-проблемы в технические задачи, формулировать гипотезы, определять метрики успеха и критерии приемки; — Презентовать результаты и влияние моделей бизнес-заказчикам, защищать метрики качества; — Отвечать за разработку и согласование единых стандартов разработки моделей внутри подразделения. Требования: — Высшее техническое образование в области прикладной математики, информатики, компьютерных наук или смежных дисциплин; — Совокупный опыт в Data Science и машинном обучении от 5 лет; — Управленческий стаж минимум 2 года на позиции тимлида или руководителя ML-подразделения с прямым подчинением инженеров и дата-сайентистов; — Успешная реализация комплексных проектов полного цикла с выводом в промышленную эксплуатацию; — Опыт внедрения моделей в production и построения системы мониторинга их качества; — Глубокое владение Python и SQL; — Практика работы с пайплайнами оркестрации (Airflow), распределённой обработкой данных (Spark), контейнеризацией (Docker) и системами контроля версий (Git); — Опыт работы с большими данными в среде S3/Hadoop и аналитическими СУБД ClickHouse, Greenplum; — Уверенное знание классического ML-стека: градиентный бустинг, линейные алгоритмы, а также специализированные подходы — uplift-моделирование и антифрод-системы; — Навыки декомпозиции сложных задач, распределения нагрузки, контроля сроков и качества delivery; — Навыки эффективного взаимодействия с бизнес-заказчиками и смежными командами (Data Engineering, MLOps, Product); — Владение инструментами командной работы Jira и Confluence. Условия: — Конкурентоспособная заработная плата, ориентированная на ожидания и квалификацию кандидатов; — ДМС со стоматологией, корпоративное обучение; — Офис/гибридный формат работы в Москве (Москва-Сити); — Современные технологии и подходы к ведению проектов; — Работа в аккредитованной IT-компании.
Задачи: — Развитие рекомендательной системы на сайте kommersant.ru. — Создание и поддержка RAG-систем и ИИ-агентов (база знаний, умный поиск). — Оценка качества моделей, рекомендаций и ответов LLM. — Мониторинг качества, скорости и стоимости ML/LLM-сервисов. — Проведение A/B-тестов и анализ результатов. Требования: — Высшее образование (техническое, математическое или IT-направление). — Опыт работы в Data Science от 3 лет. — Уверенное знание Python и SQL. — Знание классического ML, статистики и продуктовых метрик. — Опыт разработки рекомендательных систем, общее понимание видов архитектур. — Знание RAG и опыт проектирования RAG-архитектур. — Опыт работы с LLM, эмбеддингами и векторными базами данных. — Умение превращать прототипы в стабильные production-сервисы. Будет преимуществом: — Опыт работы с LightRAG, GraphRAG или другими графовыми RAG-подходами. — Знание Qdrant, ClickHouse, PostgreSQL, Redis. — FastAPI, Docker. — Опыт создания систем оценки LLM и работы с несколькими провайдерами моделей. — Опыт разработки ИИ-агентов и MCP-интеграций. — Опыт работы с медиаконтентом и рекомендательными системами для издателей. Условия: — График работы: 5/2, гибрид. — Оформление по трудовому договору. — Стабильность и прозрачность в отношении заработной платы. — Испытательный срок 3 месяца с возможностью подключения к программе добровольного медицинского страхования и другим опциям социальной политики. — Обеспечение необходимым техническим оборудованием (ноутбук). — Работа в бизнес-центре класса А с развитой инфраструктурой (офис в 5 минутах от м. «Маяковская», кафе и магазины, зоны отдыха внутри здания).
Зарплата не указана
Зарплата не указана