Задачи:
— разработка LLM агентов
— создание логики работы и взаимодействия агентов
— дообучение NLP моделей
— создание RAG систем
— вывод и сопровождение моделей
— написание API для выводимых моделей.
Требования:
— знания в области математики, data science
— владение Python (pandas, numpy, torch, fastapi, langchain, etc)
— знание SQL, spark
— приветствуется опыт работы с git, docker
— опыт работы с NLP пайплайнами.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— возможность выбрать удобный график – офис/гибрид
— ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования)
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
— расширенный ДМС, льготное страхование для семьи и 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:
— Оценивать платёжеспособность клиентов, исследовать источники данных, строить модели оценки дохода и кредитной нагрузки, внедрять их в скоринг
— Сегментировать клиентов по уровню благосостояния, использовать данные экосистемы для ранжирования и персонализации решений
— Проверять гипотезы, применять A/B-тестирование, методы прикладной статистики и ML-подходы
— Оптимизировать ручные проверки — определять, кто действительно нуждается в ручной верификации, чтобы снизить нагрузку на операции и повысить прибыль
— Строить модели оценки дохода и благосостояния клиентов
Требования:
— Знание теории вероятностей
— Знание математической статистики и классических методов машинного обучения
— Владение SQL, Python (pandas, sklearn)
— Умение анализировать бизнес-процессы
— Умение адаптировать скоринговые модели под стратегию
Условия:
— Гибридный график и офис у метро «Белорусская», в котором есть Т-Клиника, салон красоты, фитнес-зоны, комнаты для сна и медитации, терраса с панорамным видом
— Возможность работы в аккредитованной ИТ-компании
— ДМС со стоматологией, включая чекапы, компенсацию покупки лекарств и льготные условия страхования для близких, страховка от несчастных случаев и болезней
— Рост по карьерному треку с курсами по софт- и хард-скиллам, поддержкой ментора, матрицей компетенций и регулярным ревью
— Сильное комьюнити с экспертами, конференциями, митапами и статьями
— Онлайн-консультации с психологами, юристами, специалистами по финансам и здоровому образу жизни
— Компенсация затрат на спортивные абонементы, приложение Т-Спорта и командные тренировки
— Завтраки и обеды в Т-Кафе, ресторан и кофейни в офисе, кухни на этажах
— 3 дополнительных дня к отпуску или компенсация
— Специальные тарифы на продукты Т-Банка и программу скидок от партнеров
— Достойная зарплата, обсуждаемая на собеседовании
О компании
Points Health - это экосистема высокоточных маркетинговых решений для фармацевтических брендов. Компания работает с данными более чем 38 000 аптек по всей России и внедряет современные методы аналитики.
Роль и задачи
Ищут сильного лидера и эксперта, который будет ключевым звеном в трансформации больших и грязных фармацевтических данных в ценные бизнес-инсайты. Обязанности включают управление командами, выстраивание архитектуры данных, методологии очистки и анализа, создание прогностических моделей для повышения эффективности продаж и маркетинга.
Ключевые обязанности:
Управление и стратегия:
— Разработка стратегии работы с данными для поддержки и развития продуктов "Stock Index" и "Мой Бонус".
Работа с данными (Data Engineering):
— Управление ETL-процессами: сбор, очистка, стандартизация и валидация больших массивов данных из различных источников.
— Обеспечение высокого качества и надежности данных для аналитики.
Анализ и моделирование:
— Применение многомерных методов анализа данных: регрессионный, кластерный, факторный анализ.
— Разработка прогностических и "what-if" моделей для прогнозирования продаж, оценки маркетинговых активностей и ценообразования.
— Построение и валидация моделей для оптимизации товарного запаса и предотвращения дефектуры.
Взаимодействие с бизнесом:
— Трансформация сложных аналитических выводов в понятные бизнес-рекомендации для топ-менеджмента и клиентов.
— Сотрудничество с продуктовыми командами для внедрения моделей в продукты Points Health.
Ключевые требования
Опыт:
— От 3 лет в Data Science, управлении аналитикой или аналогичных ролях с опытом руководства проектами или командами.
— Опыт в фармацевтической отрасли будет преимуществом.
Образование:
— Высшее образование (Магистр или PhD) в математике, статистике, эконометрике, компьютерных науках, Data Science или смежных дисциплинах.
Технические навыки:
— Экспертный уровень владения Python (pandas, scikit-learn, statsmodels, PyMC) и SQL.
— Опыт с библиотеками машинного обучения и статистического моделирования.
— Глубокое знание методов экстраполяции, агрегации, кластерного и факторного анализа, регрессионного анализа (включая байесовские подходы) и эконометрических методов.
— Опыт построения прогностических моделей (временные ряды, XGBoost) и "what-if" сценариев.
— Опыт работы с большими данными, их очисткой, трансформацией и интеграцией.
— Умение создавать дашборды и отчеты в Power BI, Tableau или Qlik.
Личные качества:
— Сильное аналитическое и критическое мышление.
— Управленческая зрелость, способность принимать решения в условиях неопределенности.
— Отличные коммуникативные навыки и умение доносить сложные концепции до не-технических специалистов.
— Проактивность, ориентация на результат и клиентоориентированность.
Задачи:
• Проектирование и разработка сложных Агентных и AgenticRAG систем. Обеспечение воспроизводимости и отказоустойчивости
• Разработка решений начиная от прототипа, заканчивая выводом в промышленную эксплуатацию
• Определение ML SysDes решения с учетом разрешенного технологического стека
• Участие в валидации и автомониторинге моделей, проведение A/B тестирования
Требования:
• Высшее образование в сфере компьютерных наук, физ-мата, прикладной математики и информатики. Приветствуются дипломы ведущих технических и научных ВУЗов (МФТИ, МГУ, Сколтех, ВШЭ, ИТМО, МИФИ и др.)
• Знание мат. статистики, классического ML, NLP, опыт в постановке и интерпретации экспериментов
• Опыт e2e-разработки ML/AI-пайплайнов (в т.ч. RAG-пайплайнов) и проектировании архитектуры AI решений
• Умение переводить бизнес-постановку задачи в ML-постановку
• Высокий уровень владения Python и SQL
• Знание фреймворков, библиотек, алгоритмов машинного обучения: XGBoost, CatBoost, PyTorch, TensorFlow, Transformers
• Знание принципов построения RAG, VisionRAG и AgenticRAG систем
• Знание архитектур нейронных сетей: RNN, LSTM, трансформеры (BERT, BART, T5)
• Знание агентных архитектур (ReAct, Multi-agent и др.)
• Знание фреймворков для работы с LLM (LangChain, LangGraph и др.)
• Знание веб-фреймворков (FastAPI, Flask), контейнеризации (Docker)
• Понимание жизненного цикла моделей (CRISP-DM)
Условия:
• Гибкий гибрид (обсуждаем индивидуально)
• Современный IT-офис вблизи Москва-Сити с фитнес-залом
• Ипотека с выгодой для сотрудника и льготные условия кредитования
• Бесплатная подписка СберПрайм+
• Скидки на продукты компаний-партнеров
• ДМС с первого дня и льготное страхование для близких
• Корпоративная пенсионная программа
• Обучение за счет компании: онлайн курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию
• Крупнейшее DS&AI Community — более 600 DS банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира
Обязанности:
— анализировать данные для проверки гипотез
— разрабатывать методологию формирования драйверов, прототипировать логику расчетов, подготавливать данные для Data Science-команд, вести end-to-end процесс от идеи до реализации
— проводить валидацию качества данных, согласованности метрик и результатов расчетов
— выявлять пробелы в данных и нелогичности в выходных результатах и работе моделей
— участвовать в процессах тестирования, проектировании витрин данных
— подготавливать и анализировать данные для интерактивных отчетов (дашбордов)
— участвовать в разработке автоматизированных отчетов для регулярного мониторинга
— оказывать техническую поддержку и проводить оперативный анализ данных по запросам бизнес-пользователей
— подготавливать документацию по данным и расчетам.
Требования:
— релевантный опыт от 2 лет в роли Data Analyst или BI-аналитика в финансовом секторе, финтехе или риск-менеджменте
— опыт создания и разработки моделей (финансовых и продуктовых), проектирования расчетных систем, витрин данных или формализации бизнес-правил
— высшее образование (математика, статистика, информатика, финансы)
— владение SQL и Python, уверенный практический опыт работы с большими наборами данных
— глубокое понимание экономики банковских продуктов, принципов управленческого учета и структуры P&L, способность оценивать влияние аналитических моделей на маржинальность бизнеса
— понимание принципов работы ML-моделей, умение проверять A/B-тесты и сложные многомерные гипотезы
— навыки создания работающих прототипов (MVP) для демонстрации бизнес-ценности идеи
— инициативность, готовность к решению нестандартных задач и эффективной работе в команде
— использование нейросетей в рабочих задачах.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— ежегодный пересмотр зарплаты, годовая премия
— корпоративный спортзал и зоны отдыха
— уникальная система обучения Сбера для профессионального и карьерного развития
— расширенный ДМС и льготное страхование для семьи
— 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
— корпоративная пенсионная программа
Задачи:
– Проектирование и развитие корпоративного хранилища данных (КХД)
– Разработка и оптимизация архитектуры DWH
– Проектирование, разработка и сопровождение ETL-процессов
– Построение витрин данных под бизнес-задачи
– Настройка, оптимизация и мониторинг загрузок данных
– Контроль и обеспечение качества данных
– Разработка SQL-скриптов, процедур и серверного кода
– Участие в проектах миграции и интеграции данных
– Интеграция источников через брокеры сообщений и REST API
– Подготовка технической документации
– Взаимодействие с командами аналитики и BI.
Требования:
– Высшее / неполное высшее образование
– Опыт работы Data Engineer / Архитектором DWH от 4 лет
– Опыт проектирования КХД от 1 года (Oracle, PostgreSQL)
– Понимание архитектуры и принципов построения DWH
– Опыт разработки ETL-процессов
– Опыт построения витрин данных
– Понимание принципов Data Quality
– Экспертное знание SQL (Oracle, PostgreSQL)
– Опыт миграции данных с использованием серверного кода
– Опыт настройки и оптимизации загрузок
– Опыт работы с Apache Kafka, RabbitMQ
– Python — обязательно
– Русский — свободно, английский — чтение/написание тех. документации.
Специалист с коммерческим качественным опытом 3+ лет, который не просто пишет код по указке, а понимает бизнес-логику данных, может самостоятельно довести задачу до production, готов решать разного рода задачи.
Ipoteka bank OTP Group — ведущий банк Узбекистана из группы OTP, специализирующийся на ипотечных, потребительских и автокредитах. Ищет Senior Data Engineer.
Требования:
— Коммерческий опыт в роли Data Engineer.
— Хорошее владение Python или Scala / Java для написания кода обработки данных.
— Отличные знания SQL (оконные функции, сложные объединения, оптимизация запросов).
— Опыт работы с современными хранилищами данных (колоночные/реляционные/NoSQL БД) и инструментами обработки больших объемов данных.
— Опыт автоматизации и управления процессами с помощью современных систем оркестрации (например, Airflow или аналоги).
— Понимание принципов контейнеризации (Docker), работы с системами контроля версий (Git) и базовые навыки работы в Linux-окружении.
— Аналитический склад ума, умение работать в команде, структурированность и проактивность.
Описание продукта:
Один из ключевых юнитов в Big Data МТС - это платформа поиска и рекомендаций, которая использует ML и большие данные для подбора релевантных айтемов для клиентов из каталогов МТС. Поставляет рекомендации в онлайн-кинотеатр КИОН, читалку «Строки», МТС Банк, сервисы по продаже билетов, интернет-магазин и другие продукты экосистемы МТС. Задачи включают объединение рекомендательных движков в единую платформу, создание универсального поискового движка, realtime триггеров и масштабирование на все сервисы компании.
Задачи:
— Генерировать гипотезы по улучшению рекомендаций для роста бизнес-метрик клиентов
— Превращать гипотезы в работающие ML модели
— Катить модели в прод и по итогам АВ-тестов формулировать новые гипотезы по улучшению рекомендаций
— Ставить задачи data инженерам на доработки витрин, взаимодействовать с разработчиками для формирования пайплайнов поставки рекомендаций, совместно с аналитиками сетапить АВ-тесты
Требования:
— Коммерческий опыт в data science от 2-х лет
— Опыт разработки и продуктивизации ML-сервисов (от моделей до API)
— Опыт внедрения ML-пайплайна в real-time сервисы
— Опыт работы с docker, шедулерами (airflow или любой другой) и sql/nosql базами данных
Условия:
— Собственная платформа MTS Ocean для получения ИТ-ресурсов, деплой, мониторинг, observability
— Профессиональные гильдии инженеров
— Внутренняя площадка TechTalks для обмена опытом и развития навыков
— Участие во внешних IT конференциях (HighLoad++, DataFest, Mobius, Test Driven Conf, Joker, DevOps, Матемаркетинг, собственная конференция True Tech Arch)
— Курсы и вебинары в корпоративном университете и электронная библиотека
— ДМС с первого месяца работы, включая стоматологию
— Страхование от несчастных случаев с 1 месяца работы
— Материальная помощь в сложных жизненных ситуациях
— Отпуск 28 календарных дней
— Прием врачей общей практики и массаж в офисе
— Мобильная связь за счет компании и льготные тарифы для близких
— Подписка на онлайн-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.
Задачи:
— разработка моделей по продуктам кредитов физических лиц (КФЛ) для Блока Финансы
— модели досрочного погашения кредитов/вкладов ФЛ на портфельном/клиентском уровне
— модели эластичности КФЛ
— модели рефинансирования КФЛ
— модели детекции аномалий по НОСТРО счетам
Обязанности:
— сбор и подготовка данных (Hadoop, pyspark)
— тестирование различных гипотез
— полный пайплайн разработки модели (бустинг, нейронные сети, временные ряды)
— общение с заказчиками и Data Engineer
Требования:
— опыт работы Data Scientist от 2 лет
— образование по направлениям "Математика", «Физика», «Мат. методы в экономике»
— глубокие знания в области теории вероятностей, статистики
— понимание алгоритмов ML-моделей (регрессии, классификации и т. д.)
— владение Python (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost и др.)
— будет плюсом владение одним из фреймворков DL, pyspark
Условия:
— комфортный современный офис рядом с м. Кутузовская
— офисный формат работы
— ежегодный пересмотр зарплаты, квартальная и годовая премия (зависит от должности и системы премирования)
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
— расширенный ДМС, льготное страхование для семьи и 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:
— создание и развитие решений с задействованием LLM-агентов (полноценные мультиагентские системы)
— создание RAG-систем
— разработка и поддержка ML/DL моделей, включая их обновление и адаптацию к меняющимся условиям и требованиям бизнеса
— дообучение и адаптация открытых LLM
— создание системы мониторинга качества моделей и контроль их эффективности.
Требования:
— опыт работы от 3-х лет в коммерческой разработке на позиции Data Scientist / ML Engineer с подтверждённым опытом вывода моделей в продакшен
— понимание математики классического ML и архитектуры нейросетей (PyTorch/TF)
— уверенное понимание архитектуры трансформеров, опыт работы с LLM API и локальными моделями через PyTorch / Hugging Face
— уверенный Python (чистый код, ООП, знание numpy/pandas/scikit-learn) и понимание принципов микросервесной архитектуры (Asyncio, FastAPI)
— опыт создания агентов на LangChain/LangGraph
— знание основных концепций промпт-инжиниринга и использования Structured Outputs и Function Calling
— опыт проектирования и развития RAG-систем (Multi-stage Retrieval, Dense + Sparse/BM25, Rerankers, Chunking strategies)
— опыт развертывания локальных open-source моделей (Llama, Mistral, Qwen, DeepSeek и др.) в продакшн-окружении и настройки высокопроизводительного инференса LLM с помощью vLLM
— опыт проведения Fine-tuning LLM-моделей (PEFT, LoRA/QLoRA)
— настройка мониторинга data drift и model decay, а также валидация моделей
— навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом
— опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов
— инструментальное владение AI для анализа, генерации и автоматизации.
Условия:
— инновационные, амбициозные проекты и задачи, которые развивают: всегда есть возможность прокачать свои навыки в работе и профессионально расти
— среда для обмена знаниями – высокая экспертиза внутри команды
— сплоченная команда, работающая над общими задачами и умеющая хорошо отдыхать
— нашу культуру создают сами сотрудники – мы их слышим и помогаем создавать и поддерживать корпоративные комьюнити по интересам
— стабильная заработная плата и годовой бонус
— полностью офисный формат работы. Современный IT-офис вблизи Москва-Сити в пяти минутах от метро "Кутузовская", с фитнес залом
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— Разработка сервисов ИИ платформы для создания функциональных агентов и ИИ ассистентов.
— Подготовка бэк части для функциональных агентов, включая среду разработки агентов: тестирование фреймворков, opensource агенты.
— Разработка сервиса управления реестром и скиллами агентов.
— Создание отдельного единого сервиса для всех баз знаний, интеграция крупных корпоративных источников.
Требования:
— Понимание архитектуры, возможностей и ограничений современных языковых моделей.
— Опыт работы с embeddings, vector search, RAG, structured output и tool calling.
— Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop.
— Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы.
— Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента.
— Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков.
— Умение оценивать стоимость, latency и масштабируемость LLM-решений.
— Опыт работы в e-commerce, retail или других продуктовых highload-системах.
— Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.
— Опыт эксплуатации GPU-инфраструктуры и оптимизации inference.
— Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT.
— Опыт проектирования agentic workflows или multi-agent-систем.
— Понимание принципов информационной безопасности, privacy и работы с персональными данными.
Условия:
— full-time
Задачи:
— Участвовать в проектировании и реализации высокопроизводительных, масштабируемых и оптимизированных дата-решений.
— Создавать модели данных с нуля, используя сильные навыки SQL.
— Писать и оптимизировать SQL-запросы внутри приложений.
— Обеспечивать производительность, безопасность и доступность баз данных.
— Готовить документацию и технические спецификации.
— Выполнять процедуры с базами данных: обновления, резервное копирование, восстановление и миграция.
— Профилировать использование ресурсов сервера и оптимизировать конфигурации.
— Проектировать, строить и автоматизировать развертывание дата-пайплайнов и приложений.
— Интегрировать данные из локальных баз и внешних источников через REST API и инструменты сбора данных.
— Сотрудничать с бизнес-подразделениями и командами дата-сайенс по вопросам доступа, трансформации, обработки и отчетности данных.
— Поддерживать внедрение, технические вопросы и обучение, связанные с экосистемой data lake.
— Управлять AWS-ресурсами, включая кластеры EMR и ECS.
— Поддерживать обеспечение, мониторинг, конфигурацию и обслуживание AWS-инструментов.
— Оценивать и внедрять новые облачные технологии для улучшения возможностей и снижения затрат.
— Поддерживать автоматизацию с использованием Infrastructure as Code (Terraform) и CI/CD (Jenkins).
— Реализовывать управление данными, контроль доступа и снижение рисков безопасности.
Требования:
— 7-9 лет опыта проектирования и разработки облачных моделей данных, ETL-пайплайнов и инфраструктуры.
— Опыт работы с структурированными и неструктурированными данными.
— Отличное владение SQL для популярных баз данных.
— Опыт оптимизации больших и сложных SQL-запросов.
— Знание лучших практик реляционных баз данных.
— Опыт настройки движков баз данных и оркестрации кластеров.
— Умение планировать ресурсы по высоким спецификациям.
— Навыки устранения типичных проблем с базами данных.
— Опыт работы со Spark, Glue, EMR, Apache Kafka или AWS Kinesis.
— Опыт с системами контроля версий Git или Subversion.
— Опыт использования автоматизированных систем сборки и CI/CD.
— Программирование на Java, Python и Scala.
— Знание структур данных и алгоритмов.
— Знание реляционных, NoSQL, графовых, документных, key-value и временных баз данных.
— Знание масштабируемого проектирования и управления моделями данных.
— Знание деплоя ML-моделей.
— Знание AWS cloud платформ.
— Знание TDD и BDD.
— Сильный интерес к улучшению навыков разработки ПО, фреймворков и технологий.
Условия:
— Возможность работать с моделированием данных, сервисами данных и дата-сайенсом в рамках платформы Data Intelligence.
— Работа в разнообразной технической среде: AWS, ETL-пайплайны, базы данных, поисковые технологии, рекомендательные системы.
— Прямое взаимодействие с командами дата-сайенс и внутренними заинтересованными сторонами по вопросам отчетности, трансформации и возможностей платформы.
Вакансия предполагает работу на позиции Senior Data Science специалиста с полной занятостью и удалённым форматом в России. Основные задачи включают разработку сервисов для ИИ платформы, предназначенной для создания функциональных агентов и ИИ ассистентов, а также подготовку серверной части для таких агентов, включая тестирование фреймворков и работу с opensource агентами. В обязанности также входит создание сервиса управления реестром и навыками агентов, а также разработка единого сервиса для баз знаний с интеграцией крупных корпоративных источников. Кандидат должен хорошо разбираться в архитектуре и ограничениях современных языковых моделей, иметь опыт работы с embeddings, vector search, RAG, structured output и tool calling. Важны знания принципов проектирования AI-агентов, включая управление состоянием и контекстом, выбор инструментов, контроль автономности и human-in-the-loop. Требуется опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения, а также понимание рисков, связанных с prompt injection, некорректным tool calling, утечкой данных и избыточными правами доступа. Необходим опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков, умение оценивать стоимость, задержки и масштабируемость LLM-решений. Желателен опыт в e-commerce, retail или других высоконагруженных продуктовых системах, а также владение инструментами Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana. Кандидат должен иметь опыт эксплуатации GPU-инфраструктуры и оптимизации inference, а также fine-tuning или адаптации LLM, включая LoRA/PEFT. Опыт проектирования agentic workflows или multi-agent систем и понимание принципов информационной безопасности, конфиденциальности и работы с персональными данными также обязательны.
Задачи:
— Проектировать и разрабатывать сквозные конвейеры данных с использованием Azure Data Factory, SQL и других сервисов Azure.
— Реализовывать сложные модели данных, меры DAX и вычисляемые столбцы для поддержки отчетности.
— Управлять и оптимизировать ETL-процессы, обеспечивая качество данных, согласованность и высокую производительность.
— Проектировать и поддерживать хранилища данных и размерные модели (например, схемы звезды/снежинки).
— Сотрудничать с аналитиками, разработчиками и заинтересованными сторонами для преобразования бизнес-требований в технические решения.
— Интегрировать данные из различных источников, включая SQL-базы данных, облачное хранилище, API и плоские файлы.
— Обеспечивать управление данными, точность и целостность в BI-экосистеме.
Требования:
— Опыт работы в роли Data Engineer не менее 5 лет.
— Продвинутые знания SQL: сложные запросы, оптимизация производительности, хранимые процедуры.
— Глубокое понимание технологий Azure: Azure SQL Database, Data Factory и др.
— Опыт разработки ETL, интеграции данных и оркестрации конвейеров.
— Знание принципов моделирования данных и архитектур хранилищ данных.
— Знание принципов управления данными, управления качеством данных и лучших практик безопасности данных.
— Расположение в часовом поясе CET (+/- 3 часа).
Желательно:
— Знакомство с Azure Synapse Analytics, Data Lake и Azure DevOps.
— Эксперт в разработке Power BI, включая Power Query, DAX и Power BI Service.
— Опыт работы с Python или другими скриптовыми языками для обработки данных.
— Опыт работы с Git или другими системами контроля версий для совместной работы и практик CI/CD.
— Наличие сертификатов Microsoft (Power BI, Azure Data Engineer или SQL Server).
Условия:
— Своевременные ежемесячные выплаты с гибкими вариантами вывода средств.
— Предсказуемые часы работы: стабильные 8-часовые рабочие дни с клиентами.
— До 24 дней гибких выходных в год без потери оплаты для полноценных позиций через Proxify.
— Долгосрочные удалённые позиции в ведущих компаниях.
— Персонально подобранные вакансии без типичных рекрутинговых барьеров.
— Единый процесс заключения контрактов для множества возможностей без дополнительных оценок.
— Постоянная оплата каждый месяц для позиций, полученных через Proxify.
Удалённоsenior
Зарплата не указана
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.