Задачи:
— Руководство и наставничество в командах Data Science
Требования:
— Опыт работы в Data Science не менее 5 лет, предпочтительно в мобильных потребительских продуктах
— Глубокие знания в области монетизации рекламы, оптимизации доходов или аналитики рекламы
— Опыт работы с системами рекомендаций, персонализации или ранжирования
— Продвинутые навыки Python и SQL
— Экспертиза в машинном обучении, предиктивном моделировании, прогнозировании и прикладной статистике
— Опыт работы с большими поведенческими наборами данных
— Опыт руководства или наставничества в командах Data Science
— Родной русский язык
Будет преимуществом:
— Знание AdMob, AppLovin, Unity Ads, ironSource
— Опыт с MLOps и облачными платформами AWS, GCP, Azure
— Знания в области LLM и генеративного ИИ
Задачи:
- Развивать ядро матчинга: retrieval кандидатов по текстовым, картиночным и мультимодальным эмбеддингам, обучать модели классификации пар, работать с атрибутами товаров
- Улучшать NLP-часть пайплайна с учетом специфики оптовых товаров: обработка названий, извлечение атрибутов из описаний, дообучение эмбеддинг-моделей
- Доводить решения до прода и отвечать за них
Требования:
- Сильное понимание NLP: трансформерные модели, эмбеддинги, векторный поиск, опыт дообучения моделей под свою задачу
- Опыт в задачах матчинга
- Опыт в Data Science и ML Engineering с выводом моделей в продакшен от 3-х лет
- Уверенные знания Python, ML-стека, SQL
- Умение выбирать решение под задачу: не использовать нейросеть там, где достаточно эвристики, и наоборот
- Опыт с CV и мультимодальными моделями (CLIP-подобные, metric learning), LLM/VLM в задачах классификации/ранжирования будет плюсом
Задачи:
— Строить и развивать аналитическое хранилище компании на базе BigQuery.
— Настраивать конвейеры данных из продуктовых и маркетинговых источников (AppsFlyer, Adjust, RevenueCat, Amplitude, Mixpanel, Facebook Ads и др.).
— Формировать данные в удобный для аналитиков и продуктовых менеджеров вид.
— Документировать модель данных.
— Внедрять лучшие практики работы с хранилищем: слоистая архитектура (raw / staging / marts), соглашения по наименованиям, версионирование, тесты качества данных.
— Взаимодействовать с продуктом, маркетингом и аналитикой для понимания бизнес-требований и трансформации их в структуру данных.
Требования:
— Опыт работы в data engineering от 2 лет или сильная аналитическая роль с реальным инженерным компонентом (уровень solid junior / light middle).
— Уверенное владение Python для написания ETL/ELT скриптов, работы с API и автоматизации конвейеров.
— Опыт работы с GCP (BigQuery, Cloud Functions, Cloud Storage).
— Уверенный уровень SQL: оконные функции, CTE, оптимизация запросов.
— Понимание принципов аналитических хранилищ: слоистая архитектура, нормализация/денормализация, идемпотентность конвейеров, инкрементальные загрузки.
— Опыт интеграции данных из внешних источников через API или готовые коннекторы.
— Сильные коммуникативные навыки для общения с нетехническими стейкхолдерами, умение задавать уточняющие вопросы и объяснять технические ограничения простым языком.
— Опыт работы с Git: ветвление, код-ревью.
Желательно:
— Опыт с типичными источниками подписочного/мобильного стека: AppsFlyer, Adjust, Adapty, Amplitude, Mixpanel.
— Понимание специфики мобильной атрибуции: SKAdNetwork, постбеки, детерминистическая и вероятностная атрибуция.
— Опыт работы с BI-инструментами (Looker Studio, Metabase, Tableau, Power BI) на уровне настройки источника и построения дашбордов.
— Знания Terraform / IaC для ресурсов GCP.
— Опыт с CDC / стримингом (Pub/Sub, Dataflow) — плюс, но не критично.
Условия:
— Гибридный формат работы: 2 дня в офисе в Варшаве, 3 дня удаленно.
— Обеды оплачиваются в офисные дни.
— Возможность участвовать в командных мероприятиях.
— Гибкий график с фокусом на результат.
— Работа в молодой команде с энергией стартапа, без бюрократии и микроменеджмента.
ГибридmiddleWarsaw
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
О компании и роли
Продуктовая mobile game-компания с многомиллионной аудиторией и сильной рекламной моделью монетизации.
Ищем Lead Data Scientist, который будет развивать ML-решения для рекламной монетизации, персонализации и рекомендаций, а также вести и менторить Data Science-команду.
Почему стоит рассмотреть
• Влияние на ключевые продуктовые метрики: ad revenue, engagement, retention и LTV
• Большие объёмы behavioral data и реальные production ML-задачи
• Возможность влиять на Data Science roadmap, технические решения и развитие команды
• Работа на стыке Data Science, Product, Engineering и Ad Monetization
Важно
• 5+ лет опыта в Data Science, желательно в consumer / mobile-продуктах
• Обязателен опыт в advertising monetization, revenue optimization или advertising analytics
• Опыт с recommendation, personalization или ranking systems
• Сильный Python и SQL
• Опыт с ML-моделями, A/B-тестированием и applied statistics
• Опыт работы с большими behavioral datasets
• Опыт технического лидерства или менторинга Data Scientists
Задачи:
— развивать ML-решения для рекламной монетизации, персонализации и рекомендаций
— вести и менторить Data Science-команду
Требования:
— 5+ лет опыта в Data Science, желательно в consumer mobile-продуктах
— опыт advertising monetization, revenue optimization или advertising analytics
— опыт разработки recommendation, personalization или ranking systems
— сильные Python и SQL
— практический опыт с ML: classification, regression, ranking, forecasting, predictive modeling
— понимание A/B-тестирования, applied statistics и работы с большими behavioral datasets
— опыт технического лидерства или менторинга Data Scientists
Условия:
— гибридный формат работы (удаленка с обязательным посещением офиса время от времени)
— работа в международной mobile game development-компании
— кросс-функциональная работа с Product, Engineering, Analytics и Ad Monetization
— возможность формировать Data Science-направление, roadmap и технические стандарты команды
— прямое влияние на рекламную выручку, engagement, retention и LTV продукта
Коперник AI — российская R&D-продуктовая компания, которая занимается разработкой, обучением и внедрением интеллектуальных систем (AI) промышленного уровня.
Задачи и требования в вакансии не указаны в тексте.
Задачи:
— проводить аналитику и мониторинг работы моделей
— собирать и подготавливать данные, последующий EDA, feature engineering
— разрабатывать новые ML-модели
— оптимизировать скрипты data/model/inference pipelines
— подготавливать код проекта к проду, подготавливать, дизайнить и проводить АБ-тесты.
Требования:
— высшее образование по техническому направлению
— от года релевантного опыта в ML
— прочный математический фундамент (понимание градиентного спуска, характеристик основных распределений, PCA, МНК, базовые статистические тесты проверки гипотез)
— умение и желание писать код на Python, оптимизировать его, разбираться в чужом коде, понимание SQL
— владение основными библиотеками для анализа данных: pandas, numpy, scipy, matplotlib, statmodels
— глубокое понимание основных алгоритмов классического ML (линейная/логистическая регрессия, деревья решений, ансамбли), базовые знания по DL (основные архитектуры, тонкости обучения)
— владение основными фреймворками для ML/DL: sklearn, pytorch, transformers и др.
Будет плюсом:
— интерес к методам ML в задачах ценообразования и финансах
— изучение Reinforcement Learning, multi-arms bandits
— чтение статей по современным решениям для работы с последовательностями.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— гибридный формат работы
— ежегодный пересмотр зарплаты, квартальная и годовая премия
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета
— программа адаптации и помощь руководителя на старте (для Junior)
— расширенный ДМС, льготное страхование для семьи, корпоративная пенсионная программа
— гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
— подписка Прайм с возможностью совместного использования на трёх близких
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— Проектировать и разрабатывать пайплайны загрузки данных, оптимизируя их под потребности команд-потребителей
— Проектировать загрузку данных, раскладку по слоям, витрины в ClickHouse, включая выбор движка таблиц, ключей сортировки, партиционирования, шардирования и репликации
— Оптимизировать запросы и хранение данных, выявлять и устранять причины медленных запросов и аномального роста таблиц
— Разрабатывать и поддерживать DAGи в Apache Airflow с учетом идемпотентности, ретраев, бэкфиллов и зависимостей между задачами
— Обеспечивать качество данных через проверки полноты и консистентности, сверки между системами, алертинг и мониторинг пайплайнов
— Взаимодействовать с продуктовыми командами и аналитиками для разбора требований, согласования контрактов данных, объяснения ограничений и предложения вариантов
Требования:
— Опыт работы с ClickHouse, включая идентификацию проблем на кластере и работу с распределенной БД
— Уверенное владение SQL и опыт работы с большими объемами данных (таблицы 50+ Тб)
— Владение Python для разработки пайплайнов и бекенда на FastAPI
— Опыт работы с Apache Airflow, включая разработку и эксплуатацию DAGов в продакшене
— Опыт работы с Apache Kafka, понимание модели топиков, партиций, консьюмер-групп, оффсетов и семантики доставки, опыт построения загрузки из Kafka в хранилище
— Опыт интеграции данных из REST API и реляционных БД (PostgreSQL и аналоги), включая инкрементальную загрузку и работу с изменениями данных
В АО «Bereke Bank» открыты вакансии для IT-специалистов в различных продуктах с разнообразными задачами. Предлагается гибридный формат работы (удаленка и офис).
В AI команду требуются:
— Senior Data Scientist
— Middle Fullstack (честное разделение 50/50 между фронтендом и бэкендом)
— Senior Fullstack (с уклоном в бэкенд на Python)
— ML-инженер
Для отклика и получения деталей по проектам необходимо связаться через Telegram @dashan13 с резюме.
Задачи:
— Строить крупномасштабные конвейеры данных, обрабатывающие миллиарды событий ежедневно.
— Проектировать и развивать платформу самообслуживания для хранилища данных и бизнес-аналитики для игровых команд.
— Проектировать и развивать конвейеры машинного обучения для поддержки дата-сайентистов в создании новых моделей на основе игровых данных.
— Применять практики непрерывной интеграции и доставки.
— Оптимизировать тестирование, инструменты и качество данных.
— Сотрудничать с инженерами данных, дата-сайентистами, бизнес-аналитиками, командами маркетинга и продуктовых команд.
Требования:
— Обучение или недавнее завершение обучения по специальности компьютерные науки, программная инженерия или смежные области.
— Понимание принципов проектирования ПО, объектно-ориентированного программирования, паттернов проектирования, алгоритмов и структур данных.
— Навыки программирования на Python, Java, C# или аналогичных языках.
— Знание реляционных баз данных.
— Интерес к построению конвейеров данных и работе с крупномасштабными данными.
— Возможность работать в гибридном формате на территории Белграда, Сербия.
Условия:
— Оплачиваемая стажировка на полный рабочий день с гибкостью в связи с учебой.
— Наставничество и поддержка от опытных разработчиков игр, помощь в развитии карьеры.
— Коллаборативная среда, основанная на прозрачности, доверии и командной работе.
— Обеды, закуски, напитки, доступ в спортзал, организованные спортивные мероприятия, эргономичные рабочие места и современное техническое оборудование.
— Доступ к игровой комнате для детей, музыкальному уголку, настольным играм, видеоиграм и последним игровым консолям.
— Возможность внести вклад в игры, которыми пользуются миллионы пользователей.
Задачи:
— исследовать и разрабатывать торговые стратегии для DeFi и крипторынков: от гипотезы и анализа данных до бэктестинга, валидации и оценки результата стратегии
— Quant/ML research и разработка торговых стратегий для DeFi и крипторынков
— применять ML/DL-подходы для маркет-мейкинга, forecasting, управления позициями и смежных задач
— разрабатывать стратегии дельта-нейтрального хеджирования и управления рисками
— проводить бэктестинг и использовать симуляционные среды на крипто-данных: order book, trades
— анализировать рыночные данные и улучшать алгоритмы по результатам реального исполнения
Требования:
— senior-уровень в Quant/ML research, systematic trading, HFT/prop trading, market microstructure или смежных задачах
— участие в полном цикле ресерча: гипотеза > данные > модель/логика > бэктестинг > валидация и анализ результата
— понимание временных рядов, OOS-проверки, future leakage и торговой экономики
— знание Supervised Learning, статистического анализа, оптимизации моделей
— уверенный Python; PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna
— опыт доведения стратегий до реального исполнения или PnL-оценки
— опыт работы с order book и trades
— автономность в постановке гипотез и доведении их до результата
— владение русским языком для общения в команде
Будет плюсом:
— Reinforcement Learning
— опыт на Rust или low-latency engineering
— опыт в трейдинге, маркет-мейкинге, low-latency крипте
— опыт в квант-фондах, HFT, prop trading, банковских квант-командах
— опыт с DeFi, DEX/CEX, AMM/LP, perpetuals, funding, cross-venue arbitrage
— активное использование AI-инструментов
Условия:
— фиксированная зарплата в стейблкоинах (USDT/USDC, 1:1 к доллару)
— квартальный profit sharing от результатов стратегий
— оплачиваемый отпуск
— компания оплачивает AI-подписки
Задачи:
— строить и улучшать модели для разных частей всего пайплайна
— заниматься полным циклом DS/ML задач
— участвовать в создании и развитии платформы рекламы
— улучшать процесс построения моделей (от выдвижения гипотез до мониторинга работы модели)
Примеры задач:
— построить эмбеддинги на основе описания рекламных объявлений и добавить эти данные в модели прогнозирования конверсии
— обучить модель для прогнозирования распределения ставок в аукционах и совместить модель с текущим алгоритмом определения ставки
— провести эксперименты с новыми офлайн/онлайн признаками в моделях и доставить признаки до сервиса на Go
— внедрить модель, которая фильтрует подозрительный входящий трафик
Требования:
— знание классического ML и Deep Learning подходов
— опыт промышленного использования методов RecSys
— опыт разработки моделей от проблемы до сопровождения в проде
— уверенный опыт разработки на Python и Pyspark, опыт написания продакшн-кода
— знание принципов распределенной обработки данных
— умение принимать решения на основании данных и аргументировать свою позицию
— умение находить решения для проблем, декомпозировать, объяснять и контролировать выполнение
Условия:
— офис метро Маяковская (Оружейный переулок)
— гибридный формат работы
— конкурентная компенсация (оклад и премии по результатам деятельности)
— ДМС с первого рабочего дня, страхование от несчастных случаев и тяжелых заболеваний
— материальная помощь и социальная поддержка, корпоративная пенсионная программа
— дисконт-программы от компаний партнеров
— бесплатный фитнес на территории работодателя
— подписка Прайм с возможностью совместного использования на трёх близких
— внешнее и внутреннее профессиональное обучение: семинары, тренинги, конференции, корпоративная библиотека
Задачи:
— Разрабатывать ML-модели (lookalike/response/uplift/recsys) для персонализации push/pull-коммуникаций, категорий кешбэка, рекламных материалов и других сценариев в цифровых каналах банка;
— Визуализировать и интерпретировать результаты, дизайнить A/B-тесты, проводить пилоты;
— Общаться с бизнесом и помогать решать задачи через данные и ML;
— Проходить полный цикл разработки модели: от уточнения требований до продакшна и мониторинга качества (если каких-то навыков не хватает — поможем развить);
— Разрабатывать AI-агентов.
Требования:
— Высшее техническое образование;
— 3+ года опыта в Data Science (именно построение моделей, не только аналитика);
— Уверенный математический аппарат: мат. статистика, теория вероятностей;
— Продвинутый Python и SQL (оконные функции, подзапросы — на автомате);
— Опыт работы со Scikit-learn, NumPy, Pandas/Polars, Matplotlib/Seaborn/Plotly, LightGBM/XGBoost/CatBoost, PyTorch/TensorFlow/Implicit/LightFM, Airflow, Git.
Будет большим плюсом:
— PySpark, Hive, Hadoop, Docker, Kubernetes;
— Опыт в банковской сфере и CVM;
— Модели склонности и uplift-моделирование;
— Рекомендательные системы (RecSys);
— NBA/NBO оптимизаторы (Next Best Action / Next Best Offer);
— ИИ-сервисы (real-time, near real-time или batch).
Условия:
— Гибридный формат работы, Москва, Москва-Сити (2 дня в неделю в офисе);
— Комфортный и современный офис;
— Обучение за счет компании (посещение конференций, курсов, помощь в написании статей на Хабр и т.д.);
— Вертикальное и горизонтальное развитие: регулярные тренинги, вебинары, митапы;
— Забота о вашем здоровье: ДМС с первого месяца работы, куда входит стоматология;
— Прозрачный доход по итогам интервью;
— Дополнительные бонусы от Россельхозбанка для сотрудников группы компаний (Скидки на спортзалы, рестораны, маркетплейсы и т.д.).
О компании и продукте
Мобильная game development-компания развивает один из самых успешных ad-driven продуктов в мире - digital coloring book с многомиллионной аудиторией.
Ищем Lead Data Scientist, который будет развивать ML-решения для рекламной монетизации, персонализации и рекомендаций, а также вести и менторить Data Science-команду.
Почему стоит рассмотреть
• Прямое влияние на рекламную выручку, engagement, retention и LTV продукта
• Работа с большими поведенческими данными и ML-моделями в продукте с миллионами пользователей
• Возможность формировать Data Science-направление, roadmap и технические стандарты команды
• Кросс-функциональная работа с Product, Engineering, Analytics и Ad Monetization
Важно
• 5+ лет опыта в Data Science, желательно в consumer mobile-продуктах
• Обязателен опыт advertising monetization, revenue optimization или advertising analytics
• Опыт разработки recommendation, personalization или ranking systems
• Сильные Python и SQL
• Практический опыт с ML: classification, regression, ranking, forecasting, predictive modeling
• Понимание A/B-тестирования, applied statistics и работы с большими behavioral datasets
• Опыт технического лидерства или менторинга Data Scientists
О проекте и команде:
Технологическая компания, развивающая quantitative-инфраструктуру и ML-решения для рынков цифровых активов. Проект находится на pre-launch стадии, команда специализируется на quant research, machine learning и blockchain-разработке.
Задачи на этой роли:
— Полный цикл исследований по краткосрочной микроструктуре, LP/хеджированию, исполнению, межплощадочным сигналам, распределению риска и смежным задачам crypto/DeFi;
— Дизайн исследования: гипотеза, target/разметка, baseline, метрики, причинно корректная OOS-проверка, анализ режимов и явные критерии GO/NO-GO;
— Работа с данными: поиск источников, выравнивание времени, контроль качества, построение признаков и воспроизводимые контракты данных;
— ML/DL по структуре задачи; RL или другие методы последовательного управления - только когда они действительно оправданы;
— Реалистичная симуляция и торговая экономика: комиссии, проскальзывание, ликвидность, задержки, adverse selection, impact, fill assumptions, хеджирование и синхронизация DEX/CEX;
— Paper/shadow-стратегии, анализ sim-to-real и совместная работа с quant developer при переносе доказанных решений в production;
— Инженерный стандарт исследования: воспроизводимые эксперименты, чистый Python, критичные проверки, мониторинг и дисциплинированное использование LLM/агентов.
Ожидания от кандидата:
— Проверяемый опыт 2-3 Quant/ML проектов, где вы лично отвечали за существенную часть цепочки от постановки задачи и данных до проверки, кода и решения о внедрении либо GO/NO-GO;
— Отличный Python и сильная инженерная база: вы сами пишете, отлаживаете и ревьюите исследовательский код;
— Сильную статистику, вероятность, оптимизацию и работу с временными рядами: временную зависимость, leakage, selection bias, uncertainty и честную OOS-проверку;
— Глубокое практическое понимание микроструктуры и исполнения: order book/flow, liquidity, latency, fees, slippage, adverse selection, impact, sizing и hedging.
— Сильное практическое владение ML/DL для последовательных финансовых данных и способность отличать реальный сигнал от оптимизации метрики;
— Высокую самостоятельность: структурировать неясную проблему, выбирать наиболее информативный эксперимент, быстро останавливать слабые гипотезы и принимать решения на основании доказательств;
— Рабочее понимание структуры crypto-рынка. Прямой опыт DeFi/DEX будет плюсом, но сильный CEX/microstructure опыт может его компенсировать при быстрой адаптации.
Условия и возможности:
— Полная занятость, 5/2, гибридный/удаленный формат, офис в центре Москвы;
— Работа с реальным капиталом, где качество исследования, реалистичность исполнения и риск-контроль имеют прямое значение;
— Прямая работа с Quant/ML, разработкой и руководством компании, высокая самостоятельность и короткий цикл обратной связи;
— Небольшая команда, где сильное исследование может стать production-системой, а не закончиться презентацией;
— Компенсация всех необходимых инструменты и ПО для работы.
Задачи:
— Руководство и наставничество в команде Data Science
Требования:
— Опыт работы в Data Science не менее 5 лет, предпочтительно в мобильных потребительских продуктах
— Глубокие знания в области монетизации рекламы, оптимизации доходов или аналитики рекламы
— Опыт работы с системами рекомендаций, персонализации или ранжирования
— Продвинутые навыки Python и SQL
— Экспертиза в машинном обучении, предиктивном моделировании, прогнозировании и прикладной статистике
— Опыт работы с большими поведенческими наборами данных
— Опыт руководства или наставничества в командах Data Science
— Родной русский язык
Будет преимуществом:
— Знание и опыт работы с AdMob, AppLovin, Unity Ads, ironSource
— Опыт с MLOps и облачными платформами AWS, GCP, Azure
— Знания в области LLMs и генеративного ИИ
Задачи:
— управление полным циклом разработки моделей и ML-решений от постановки задачи до передачи на мониторинг;
— формирование бэклога проектов;
— генерация подходящих ML-решений для задач бизнеса;
— формирование бизнес-технических моделей и технических заданий смежным стримам и командам.
ГибридleadМосква
Зарплата не указана
ГибридseniorМосква
Зарплата не указана
Данные и ML вакансии — гибрид — страница 3 · Job Hunters