Вакансии

Задачи: — улучшать рекомендации — искать гипотезы — прототипировать на GPU — выкатывать в A/B-тесты Требования: — опыт 3+ года — знание Python, SQL, Spark, Docker, Git, ClickHouse, Redis, Deep Learning Условия: — удалённая работа или офис — фултайм

Проектирование и построение end-to-end архитектуры хранилища данных с нуля в среде Microsoft Fabric. Реализация многоуровневой архитектуры хранения данных по модели Medallion — Bronze, Silver, Gold — на основе Delta Lake (Parquet).

▫️Проектирование, разработка и поддержка масштабируемых data ingestion pipelines. ▫️Работа с большими объёмами данных — до миллиардов строк.

Проектирование и построение end-to-end архитектуры хранилища данных с нуля в среде Microsoft Fabric. Реализация многоуровневой архитектуры хранения данных по модели Medallion — Bronze, Silver, Gold — на основе Delta Lake (Parquet).

Distributed systems, MPP, Python / Go, AWS, Karpenter, Istio, database infrastructure и задачи, в которых можно влиять на то, как все работает вместе.

– Обеспечьте сквозную доставку одного или нескольких приоритетных доменов данных в Azure Databricks. – Разработка и создание конвейеров обработки данных уровня Medallion (Bronze/Silver/Gold) с использованием декларативных конвейеров Lakeflow, Auto Loader, Structured Streaming и Delta Lake с кластеризацией Liquid.

Разрабатывать кластеризованный on-premise build ClickHouse для собственной cloud-инфраструктуры. Внедрять, масштабировать и поддерживать ClickHouse-кластеры в production.

• Talabalarga Sun'iy Intellekt (AI) va Generative AI bo'yicha amaliy darslar o'tish; • ChatGPT, Claude, Gemini kabi ilg'or AI vositalari hamda Prompt Engineering'ni mukammal o'rgatish;

• 3+ years of Python development. • Production GenAI / LLM experience • Diffusion models & LoRA.

— проводить функциональное, регрессионное, smoke, UAT и негативное тестирование; — тестировать API через Postman / Insomnia;

Lead test strategy and quality standards across multiple projects, deciding what warrants automated coverage versus focused manual and exploratory testing. Build and maintain automated test suites in Playwright, and use BrowserStack to validate compatibility across browsers, devices, and platforms.

Build and support execution-engine components: Implement, test, debug, and maintain well-defined changes to query operators, expression evaluation, execution scheduling, and resource management.

The Cloud Engineer designs, secures, and supports mission-critical cloud infrastructure that enables reliable services for users worldwide. The successful candidate demonstrates strong technical judgment, operational discipline, and the ability to apply practical solutions to complex cloud engineering challenges.

Участие в разработке и развитии SIEM-системы KUMA: разработка контента и поставка экспертизы в решение; Работа с обращениями пользователей: проработка новых требований на основе фидбека заказчиков;

Задачи: — построение ETL-процессов: разработка и настройка конвейеров по сбору и трансформации данных из различных источников; — работа с современным стеком трансформации: освоение и применение DBT для превращения «сырых» данных в чистые аналитические витрины; — оркестрация данных: настройка и поддержка рабочих процессов (pipelines) в Dagster для своевременного и безошибочного обновления данных в отчетах; — управление хранилищами: работа с Postgres и высокопроизводительной колончатой базой данных Clickhouse для обеспечения скорости работы отчетов; — визуализация смыслов: разработка интерактивных BI-отчетов в Apache Superset для поддержки принятия бизнес-решений; — оптимизация выборок: анализ и ускорение тяжелых запросов для повышения производительности системы отчетности. Требования: — уверенное владение SQL (сложные выборки, агрегатные функции, оптимизация запросов); — понимание устройства реляционных баз данных, в частности PostgreSQL, и принципов построения аналитических хранилищ; — базовые знания Python, умение писать скрипты для обработки данных и автоматизации простых задач; — аналитический склад ума, способность работать с большими массивами данных, выявлять закономерности и структурировать информацию. Желательный опыт: — создание дашбордов в BI-инструментах (Apache Superset, Tableau, Power BI или аналогичных); — понимание концепций ETL/ELT; — понимание архитектуры данных, разницы между OLTP и OLAP системами (например, использование Clickhouse для аналитики); — интерес к современным инструментам DBT и оркестраторам данных (Airflow, Dagster). Условия: — срочный трудовой договор на 3 месяца; — график 5/2, не более 30 часов в неделю; — возможность работы удаленно, в офисе или в гибридном формате; — стажировка открыта для студентов любых ВУЗов и форм обучения, включая заочную и магистратуру.

— Разработка и поддержка AI-архитектуры: интеграция API (OpenAI, Anthropic), создание кастомных RAG-систем, оптимизация промптов и пайплайнов данных. — Быстрое UI/UX прототипирование: самостоятельное создание аккуратного, чистого фронтенда/интерфейса для разработанной вами AI-логики (работаем без лишних звеньев, напрямую в продукт).

• Resolve customer technical issues end-to-end (Helpdesk + Slack) within SLA. • Conduct root cause analysis with Grafana, Datadog (logs, metrics, traces).

Требования: — Наличие или получение степени бакалавра в области электротехники, компьютерной инженерии или смежной инженерной области.