Вакансии

Location: Москва Наша команда занимается созданием следующего поколения интеллектуальных систем для анализа рисков. Среди наших проектов: * разработка NLP моделей на основе LLM, создание sota AI-агентов и мультиагентных систем для операционных и ESG-рисков * создание transformer-based моделей для решения банковских задач на финансовых данных; моделирование финансовых рынков с помощью машинного обучения * разработка классических ML-моделей для процесса кредитования, которые являются ядром бизнеса Сбера и ключевым драйвером прибыли. и сейчас наша команда в поиске талантливых стажеров трех направлений: Data Scientist, LLM-researcher, и Quant-Risks в Управление риск-моделирования. Обязанности \- разработка PoC и MVP AI-агентов на основе LLM с использованием фреймворков для работы с LLM, таких как langchain/langgraph \- адаптация и обучение LLM Сбера с использованием внутренних и внешних данных (Prompt Tuning, LoRA, SFT, GRPO) \- применение RL подхода для улучшения reasoning способностей модели. Требования * статус студента бакалавриата/магистратуры на момент трудоустройства * знание статистики и ML/DL алгоритмов * знание Python и ML-стэка (PyTorch, Scikit-learn, Pandas) * понимание как устроен современный NLP (токенизация, обработка данных, эмбеддинги, pre-train модели и тд) * опыт проектирования и обучения нейросетевых моделей (от CNN/RNN до трансформеров) * опыт построения RAG (классический RAG, GraphRAG, Agentic RAG) * знание классических алгоритмов (two pointers, бинарный поиск) и структур данных (куча, стэк, бинарное дерево) * уверенный английский язык для чтения и анализа научных статей и документации Условия * формат работы: офис в г. Москва, рядом с м. Кутузовский пр. * гибкий график и возможность совмещать с учебой: от 30 до 40 часов в неделю * возможность заниматься спортом в одном из спортзалов банка * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Наша команда занимается оценкой и управлением модельных рисков различных AI-решений Банка. Наши сотрудники участвуют в проектах по улучшению моделей машинного обучения, AI-агентов и оптимизации их применения в бизнес-процессах Сбера. Мы создаем инструменты для мониторинга, управления и снижения модельного риска по всем бизнес-направлениям. Открытая вакансия находится на стыке DS и дата-аналитики, успешный кандидат значительно расширит кругозор в части того, какие ML-модели и AI-агенты работают в ПРОМ процессах и как влияют на бизнес Банка. _Мы:_ * _мониторим и валидируем все значимые ML-модели и AI-агентов Сбера, влияющих на финансовый результат. Мониторинг/валидация - всесторонняя проверка модели, включая попытки по автоматическому построению лучшего альтернативного AI-решения, челлендж подхода._ * _разрабатываем и автоматизируем методы для мониторинга/валидации Ai-решений различных классов_ * _строим систему отчетности для управления модельным риском._ Обязанности * разбираться в результатах работы различных ML-моделей и AI-агентов, анализировать влияние моделей на бизнес-процессы Банка, искать возможные ошибки и проблемы в моделях * разбираться в структуре различных моделей, тестировать корректность AI-решений, челленджить подход разработчика, разрабатывать альтернативные алгоритмы (внутренний Kaggle), оценивать применимость подхода с учетом имеющихся норм и макроэкономической конъюнктуры * исследовать подходы к моделированию и валидации различных классов моделей, определять их методологию * автоматизировать алгоритмы валидации для внедрения в процессы автомониторинга * разрабатывать и автоматизировать подходы по нахождению ошибок в коде внедрения моделей и минимизации возникновения инцидентов операционного риска. Требования * статус студента бакалавриата/магистратуры на момент трудоустройства * знание машинного обучения и статистического анализа * знание мат. статистики, алгоритмов, структур данных * опыт работы с LLM и агентными системами через API * знание Python и основных библиотек анализа данных * знание SQL, навыки работы с базами данных * опыт работы в рисках, знание основ управления рисками в Банке * коммуникабельность, умение эффективно вести переговорный процесс с подразделениями Банка * большой плюс: опыт работы с регуляторными моделями Basel * большой плюс: опыт модельной аналитики и управления модельным стэком в бизнес-процессе * навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом. Условия * гибкий график и возможность совмещать с учебой: от 20 до 40 часов в неделю * возможность заниматься спортом в одном из спортзалов банка * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Требования: — Уверенный опыт работы с LLM/SLM (Few-shot learning, prompt engineering) и BERT (классификация сценариев и интентов); — Практический опыт finetuning LLM (PEFT, LoRA/QLoRA) под узкие прикладные задачи; — Уверенный дебаг LLM: умение быстро понять, почему модель ответила не так, и исправить это промптом, гиперпараметром или файнтюном; — Опыт дообучения и оптимизации TTS-моделей; — Опыт работы и интеграции современных ASR-систем (в частности, GigaAMv2); — Опыт работы как с графовыми/сценарийными диалоговыми движками, так и с LLM-агентами; — Высокая скорость диагностики проблем в инференсе, локализации багов и принятия инженерных решений; — Уверенное владение Python (PyTorch, huggingface, фреймворки инференса) и Go; — Опыт работы с оптимизацией инференса под low-latency (vLLM, TensorRT-LLM, Triton Inference Server, ONNX Runtime); — Практика работы со потоковым аудио в реальном времени (streaming ASR/TTS, gRPC-контракты); — GoLang: - Базовое понимание по дизайну сервисов; - Понимание SOLID, DRY и KISS паттернов; - Знание типизации в Go, хотя бы базовые типы (строки, числа, слайсы и мапы); - Знание примитивов синхронизации и конкуренции (как синхронизировать горутины, как работать с каналами); - Знание указателей и работы с ними; - Observability; - Будет плюсом: опыт работы с GRPC; - Будет плюсом: умение настроить инфраструктуру, k8s/inventory, знания работы TCP. Задачи: — Поэтапный перевод системы с графа сценариев и скиллов на управляемый LLM-based диалог; — Дебаг голосового пайплайна (поиск причин high latency, галлюцинаций LLM, проблем с передачей аудио, графовых ошибок и т.п.); — Оперативное принятие архитектурных решений и их самостоятельная реализация в коде; — Поддержка и быстрая отладка few-shot классификации сценариев на базе Qwen и классификаторов на BERT; — Учёт краевых случаев, исправление ошибочных срабатываний интентов; — При необходимости — finetuning локальных LLM (извлечение сущностей, удерживание инструкций); — Интеграция и поддержка ASR на базе GigaAMv2 (отладка качества распознавания, работы VAD и передачи текста дальше по пайплайну); — Дообучение и настройка инференса собственных и опенсорсных TTS и систем клонирования голоса для достижения нужного качества звучания и скорости работы.

Требования: — Опыт с Asterisk / VoIP от 2 лет. — Уверенный практический опыт с Asterisk + SIP + Linux. — Опыт самостоятельного развёртывания Asterisk на Linux-сервере. — Опыт настройки dialplan, SIP-транков, SIP-агентов и маршрутизации. — Опыт подключения внешних SIP-провайдеров. — Понимание SIP, RTP, NAT, кодеков и маршрутизации звонков. — Опыт самостоятельной диагностики проблем с телефонией. — Опыт с ARI или AMI. — Опыт интеграции Asterisk с backend / CRM. — Опыт с MariaDB / MySQL и CDR. — Понимание безопасности VoIP-инфраструктуры: firewall, fail2ban, защита от атак. — Опыт с инструментами мониторинга. — Redis, Nginx, Grafana / Heplify-преимущество. — Важно уметь не только развернуть телефонию, но и дальше самостоятельно её поддерживать и решать проблемы. Локация: Грузия, Азербайджан, Армения, Узбекистан, Молдова.

Задачи: - Уточнять задачу до старта (поиск рисков и скрытых допущений). - Писать спецификации — технический контракт для реализации. - Делить работу на куски для AI-агентов (контекст, ограничения, критерии приемки). - Управлять итерациями AI и строго ревьюить код (логика, конкурентность, ошибки). - Доказывать работоспособность: тесты, бенчмарки, профилирование, метрики. - Системно закрывать повторяющиеся ошибки (линтеры, CI, улучшение инструкций для AI). Требования: - Коммерческий опыт backend-разработки с высоконагруженными системами. - Опыт работы с Go. - Регулярная работа с AI-агентами (Claude Code, Cursor, Codex, Windsurf), не просто автодополнение. - Умение писать четкие технические задания (спецификации) до кода. - Строгая проверка чужого и AI-кода. - Знание баз данных: планы запросов, индексы, партиционирование на продакшн-объемах. - Опыт обеспечения отказоустойчивости: таймауты, ретраи, graceful shutdown. - Навыки диагностики: метрики, логи, профилирование. - Английский язык: чтение и написание технических текстов (промпты, документация). Желательно: - Настройка окружения для AI-агентов (CLAUDE.md, AGENTS.md, MCP). - Опыт с GitHub Spec Kit, Kiro, BMAD, TDD с агентами. - Опыт в AdTech, аналитике, трекинге трафика. - Знание аналитических баз данных, очередей, CI/CD, линтеров.

Location: Москва Мы — команда ПКАП AEF, развивающая платформу данных внутри AEF (Agent Execution Framework — среды исполнения и управления AI-агентами в контуре банка), которая получает и обрабатывает трейсы работы агентов, формирует витрины для мониторинга, оценки качества и развития AI-агентов, а также для команд разработки, аналитики и внутренних потребителей Банка. Ищем инженера данных, умеющего доводить решения до промышленной эксплуатации и готового отвечать за их работу после запуска. Обязанности * разрабатывать и выводить в ПРОМ витрины на SQL, Spark, Scala. * разрабатывать сервисы для обработки и поставки данных. * готовить данные для исследований в лабораторном контуре: работать с трейсами, техническими показателями и метриками AI-агентов. * сопровождать витрины: анализировать логи и метрики, находить причины сбоев, устранять их и предотвращать повторение. * разрабатывать проверки качества данных и тестировать расчёты * поддерживать техническую документацию и базу знаний, консультировать внутренние команды по составу и использованию данных. Требования * опыт в data engineering от 3х лет * практический опыт разработки на PySpark или Spark * опыт разработки на Python или Scala * уверенное знание SQL (сложные запросы, оптимизация) * практический опыт работы с Hadoop, включая HDFS, YARN и Hive. * понимание устройства хранилищ данных, принципов построения витрин и организации потоков данных от источника до потребителя. * опыт вывода расчётов или сервисов в промышленную среду: Git, CI/CD, тестирование, диагностика сбоев по логам и метрикам. * знание и регулярное использование LLM-инструментов для инженерных задач. Важно уметь оценивать их ответы и самостоятельно отвечать за качество итогового решения. Условия * комфортный, современный офис м. Кутузовская * возможность выбрать удобный график – офис/гибрид * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте (для Junior позиций) * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * льготная ипотека для каждого сотрудника * бесплатная подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера. * корпоративная пенсионная программа * отсутствие строгого дресс-кода.

Location: Санкт-Петербург Мы создаем новую команду развития мониторинга для систем рисков корпоративно-инвестиционного бизнеса. Наша задача — с нуля выстроить единый, масштабируемый и управляемый контур мониторинга для более чем 110 ИТ-услуг, от которых зависит контроль кредитного риска и устойчивость критичных бизнес-процессов. Ищем SRE-инженера, который будет развивать систему мониторинга и алертинга: проектировать подходы, внедрять новые решения, повышать наблюдаемость сервисов и участвовать в создании единого мониторинга для большого и критичного ИТ-ландшафта. Обязанности **Требования по стеку:** * опыт работы с Unix-based системами (RH, Centos), команды, службы, типовые задачи * контейнеризация: OS, Kubernetes, на уровне пользователя * Prometheus exporters – уверенные знания (понимание принципа генерации и работы, установка, настройка, администрирование и поддержка экспортеров для разных источников данных) * Prometheus + Alertmanager – уверенные знания (федерация, тюнинг, решение типовых проблем) * Grafana – уверенные знания (v10+ панели, источники данных, разграничение доступов, provisioning, unified alerting) * Opensearch + Dashboards (ELK) — уверенные знания. Кластеризация, настройка индексов (mapping), шардирование и репликация, оптимизация производительности, разграничение ролей, прокси-авторизация * Logstash, Data Prepper, Vector - уверенные знания, разные источники, фильтры, преобразование * Kafka - Schema, настройка тракта kafka - data prepper - opensearch и его тюнинг Требования * IaC (Ansible, Helm) - решение типовых задач, написание плейбуков и чартов * PromQL, KQL, DQL - создание дашбордов и алертов в системах визуализации * Сертификаты - понимание принципа работы, расширений, типов хранилищ * написание pipeline обработки данных в одном из инструментов: Logstash, Datapreper, Datatog Vector, OpenTelemetry Collector. * опыт работы с системами сбора логов и метрик (Fluentd, Fluent-bit) **Желательные (будут плюсом):** * работа с инструментами CI, CDl, CDp (Jenkins) - опыт работы как пользователя. Умение работать с groovy будет плюсом. * Навыки автоматизации рутинных задач (скрипты на Bash/Python). * Victoria metrics (установка, настройка и сопровождение кластерной версии. Опты работы с vmagent / vmalert) * Prompt engineering, умение работать с агентами и LLM через MD будет плюсом. * опыт создания AI-агентов и использования их в работе будет преимуществом. Условия * формат работы гибирдный * стабильный оклад + годовое премирование и социальная поддержка сотрудников * официальное оформление с первого дня * профессиональный и дружный коллектив, готовый принимать и считаться с любой точкой зрения * расширенный ДМС с первого дня работы для сотрудников и льготная медицинская страховка для близких * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * корпоративная пенсионная программа * корпоративное обучение за счет компании, в т.ч. посещать конференции по профессиональной тематике, а так же огромный каталог образовательных программ * реферальная программа для сотрудников: можно пригласить в команду знакомых профессионалов и получить вознаграждение до 100 тыс. рублей * корпоративный спортзал и скидки в спортзалы-партнеры * мощное железо, дополнительные мониторы и всё, что нужно для продуктивной работы· * работу по Agile с лучшими из IT индустрии: 2000 продуктовых команд и возможность внутреннего перемещения * яркая и насыщенная корпоративная жизнь: «Зелёный марафон», Сбербанкиада, КВН, волонтёрские программы и т.д. * свободный dress code * возможность самостоятельного выбора необходимых технологий, а так же возможность привнести своё видение в проект

Требования: — 5+ лет в product management, опыт в fintech или data-продуктах — Опыт с GenAI / LLM / AI-ассистентами и агентами — Практический опыт evaluation: датасеты, критерии качества, разметка, анализ ошибок — Знание финансового домена: инструменты, рынки, котировки, ликвидность, риск, брокерская инфраструктура

Задачи: — Разработка AI-функциональности на базе современных LLM. — Создание AI-агентов и RAG-решений. — Интеграция AI с CRM, внутренними сервисами и API. — Запуск решений в production и обеспечение их качества и масштабируемости. Требования: — Есть senior-опыт backend-разработки. — Работали с OpenAI, Anthropic, Gemini или аналогами. — Понимаете RAG, AI-агентов, tool calling и embeddings. — Сильная база в API, базах данных и архитектуре сервисов.

О компании: Bell Integrator – один из ведущих системных интеграторов страны, аккредитованная ИТ-компания, часть ГК Softline. Компания реализует проекты по всей России, среди заказчиков крупнейшие финансовые, телеком и ритейл компании. О проекте: Разработка платформы на основе AIPDLC-агентов для автоматизации производственных процессов внутри компании. Инвестиционная платформа для выдачи и сопровождения инвестиционного финансирования юридическим лицам. Технологии и подходы: Используются современные технологии, микросервисная архитектура, ведущие LLM-модели в России. Открытость к предложениям по изменению стека. Задачи: — Развитие и поддержка архитектуры решений для ИИ-агентов — Участие в проработке и оценке задач — Код ревью, написание тестов, включая benchmark для ИИ-агентов Требования: — Опыт разработки на Java от 5 лет (подтвержденный по ТК РФ) — Уверенные знания Java core, Spring Boot, Hibernate, Maven, Git, PostgreSQL, Kafka — Опыт работы с ИИ-агентами, знание Open AI API — Знакомство с фреймворками LangChaing, LangGraph, Spring AI, Langchain4J Условия: — Возможность профессионального и карьерного роста — Участие в разных проектах — Опыт работы в распределенной команде профессионалов — Уровень заработной платы обсуждается индивидуально — Корпоративные скидки на изучение иностранного языка, абонемент в фитнес, образовательные курсы — Формат работы: удаленно на территории РФ

Требования: — 5+ лет опыта на Java — Сильные навыки Spring — Практический опыт с Kafka, SQL, микросервисами и распределёнными системами — Активное создание и использование AI-агентов для продуктивности

Задачи: — Разрабатывать и развивать пайплайны данных и платформенный слой, от которого зависят AI-продукты компании; — Анализировать использование LLM: стоимость, экономику токенов и кеширования, финансовую отчетность по расходам на AI; — Развивать RAG-системы: контекстные базы знаний, инфраструктуру векторного и семантического поиска; — Обеспечивать эксплуатационную надежность платформы: профилирование, мониторинг и observability пайплайнов, за которые вы отвечаете; — Разрабатывать интерфейсы и сервисы поверх данных, а не только обеспечивать их загрузку: авторизацию, API и интерактивный доступ для пользователей данных. Требования: — Сильный коммерческий опыт в Data Engineering с современным стеком: Databricks, dbt, Airflow, Dagster, Greenplum, Snowflake, или аналогичными технологиями; — Уверенное владение Python и понимание backend-разработки: как работает авторизация, как сервис предоставляется пользователям и как с ним взаимодействуют; — Практическое понимание профилирования и мониторинга data-систем в production; — Глубокое понимание AI/LLM-стека: векторных баз данных, embeddings, контекстного и семантического поиска, RAG-архитектур и принципов работы автономных агентов; — Опыт работы с облачными технологиями, в идеале — AWS. Условия: — Гибкий график и удалённый формат работы; — ДМС для сотрудников, их партнеров и детей, компенсация онлайн-сессий с психологом и занятий спортом; — Оплата участия в профильных конференциях и курсах, внутренние конференции; — Компенсация изучения иностранного языка; — Регулярные офлайн-ивенты и корпоративные мероприятия.

Задачи: - Стратегическое планирование: - Разработка и реализация фичей enterprise-платформы для создания коммуникационных ИИ-агентов, учитывая специфику on-premise поставок для крупных корпоративных клиентов. - Анализ рынка, конкурентной среды и потребностей enterprise-компаний и разработчиков для определения ключевых векторов развития продукта. - Формирование и управление дорожной картой продукта (roadmap), согласование её с бизнес-целями компании. - Продуктовая разработка и исполнение: - Управление полным жизненным циклом модулей продукта: от исследования и генерации идей до запуска, анализа результатов и дальнейшей итерации - Приоритизация инициатив и задач в бэклоге для достижения максимальной ценности для всех сегментов клиентов (enterprise, разработчики). - Тесное сотрудничество с командами разработки, маркетинга и продаж для обеспечения своевременного и качественного релиза новых функций. - Определение и отслеживание ключевых продуктовых метрик (KPIs) для оценки успеха и принятия решений на основе данных. - Взаимодействие с клиентами и стейкхолдерами: - Выстраивание и поддержка отношений с ключевыми enterprise-клиентами, а также представителями сообщества разработчиков для сбора обратной связи и глубокого понимания их потребностей. - Регулярная коммуникация и презентация продуктовых планов, прогресса и результатов перед руководством и другими заинтересованными сторонами. - Представление продукта на внешних и внутренних мероприятиях Требования: - Глубокое понимание и подтвержденный опыт работы с различными моделями доставки продукта, включая on-premise (для enterprise клиентов). - Опыт в разработке и управлении продуктами для крупного бизнеса (enterprise) и аудитории разработчиков. - Опыт управления продуктовой командой и командой UX-дизайна. Этапы собеседования: - HR-интервью - Продуктовая встреча - Финальное интервью

Описание проекта: ФастФуд. MVP корпоративной базы знаний маркетинговых исследований: одно место, где исследования хранятся, находятся и переиспользуются. Обязательные требования: — Высшее техническое образование. — Fullstack production web от 3 лет. — Готов работать на стеке продукта: TypeScript и Python. — HTTP, REST/JSON, реляционные БД, транзакции, миграции. — Системный дизайн небольшого приложения, без усложнения заранее. — Docker, Linux, Git, CI/CD, базовая наблюдаемость. — Модульные, интеграционные и end-to-end тесты. — OWASP, аутентификация и авторизация, секреты, защита данных. — Разработка в Cursor или сопоставимой ИИ-IDE по спецификациям: от технического дизайна до кода, тестов и документации Желательные навыки: — Docker/Kubernetes и облако (VK Cloud - преимущество). — Интеграция LLM: prompt management, structured output, RAG, оценка качества, стоимость, защита от prompt injection. — Keycloak, Kafka, корпоративные интеграции. — GitLab, Cursor, ADR, диаграммы как код. Задачи: — Уточнять спецификацию вместе с аналитиком и переводить ее в технический дизайн и план реализации (spec-driven development) — Проектировать прикладную архитектуру: компоненты, API, модель данных, интеграции, безопасность, логирование — Реализовывать frontend и backend, миграции, автотесты и нужные интеграции — Работать в Cursor или сопоставимой ИИ-IDE: контекст и правила проекта, декомпозиция для агента, ревью и правка сгенерированного кода — Держать инженерное качество: code review, тесты, зависимости, секреты, без критических уязвимостей — Настраивать CI/CD, контейнеры и мониторинг вместе с инфраструктурой — Выпускать небольшими инкрементами, разбирать дефекты, сопровождать в эксплуатации — Держать техническую документацию и архитектурные решения актуальным

Задачи: — Развивать AI-агентов и автоматизацию бизнес-процессов, включая анализ процессов и интеграций. — Формировать требования к LLM-решениям и оценивать их качество. Требования: — Опыт 3+ года в системном или бизнес-анализе. — Знание BPMN, REST, JSON, API/OpenAPI. — Владение SQL. — Опыт работы с Jira и Confluence. — Понимание AI/LLM-агентов, промптов и сценариев их работы. Будет плюсом опыт в AI/ML, банковских системах, информационной безопасности и продуктовой аналитике.

Обязанности: — Поддержка и развитие IP-телефонии на базе Asterisk — Самостоятельное развёртывание и настройка Asterisk — Настройка dialplan, SIP-транков, SIP-агентов и маршрутизации звонков — Подключение и настройка внешних SIP-провайдеров — Настройка очередей, внутренних номеров и других компонентов телефонии — Поддержка работающей телефонии после запуска — Диагностика и решение проблем со звонками: обрывы, односторонний звук, регистрация, NAT/RTP, потеря пакетов и другие проблемы — Интеграция Asterisk с backend / CRM через ARI или AMI — Работа с CDR и записями разговоров — Работа с Linux-серверами — Работа с MariaDB / MySQL — Настройка безопасности телефонии: firewall, fail2ban, защита от SIP / brute-force атак — Мониторинг телефонии и серверной инфраструктуры — Поиск причин аварий и самостоятельное восстановление работы телефонии — Обеспечение стабильности и отказоустойчивости инфраструктуры — Ведение технической документации Требования: — Практический опыт с Asterisk / VoIP от 2 лет — Уверенный практический опыт с Asterisk + SIP + Linux — Опыт самостоятельного развёртывания Asterisk на Linux-сервере — Опыт настройки dialplan, SIP-транков, SIP-агентов и маршрутизации — Опыт самостоятельного подключения внешних SIP-провайдеров — Понимание SIP, RTP, NAT, кодеков и маршрутизации звонков — Опыт самостоятельной диагностики проблем с телефонией — Практический опыт с ARI или AMI — Опыт интеграции Asterisk с backend / CRM — Опыт работы с MariaDB / MySQL и CDR — Понимание безопасности VoIP-инфраструктуры: firewall, fail2ban, защита от атак — Опыт работы с инструментами мониторинга — Redis, Nginx, Grafana / Heplify — преимущество — Важно уметь не только развернуть телефонию, но и дальше самостоятельно её поддерживать и решать проблемы

Задачи: — Поиск и привлечение VIP-клиентов из внешних источников, построение и развитие сети агентов и скаутов, разработка и запуск реферальной программы. — Ответственность за NGR привлечённых клиентов, анализ эффективности каналов и масштабирование тех, что показывают результат. — Постоянный поиск и тестирование новых механик acquisition. Требования: — Умение находить и квалифицировать VIP-профиль во внешних источниках, включая OSINT в легальных границах, с проверкой достоверности данных. — Опыт переговоров и работы с агентами и скаутами. — Понимание комиссионных моделей и умение рассчитывать стоимость привлечения. — Навык оценки качества привлечённой базы и распознавания неорганического трафика. — Уверенное владение аналитикой NGR и когортным отслеживанием клиентов. — Опыт работы с дашбордами и выгрузками, понимание взаимосвязи метрик. — Опыт запуска и контроля реферальных механик. — Умение тестировать новые каналы с корректным замером результата. Условия: — Техника предоставляется. — Будет полиграф.

Задачи: — Управлять командой разработчиков: координировать и декомпозировать задачи, контролировать технические решения и проводить code review. — Помогать команде решать сложные технические задачи. — Развивать и технологически совершенствовать систему анализа больших данных. — Участвовать в архитектурных решениях: проектировать API, разрабатывать сервисы и бизнес-логику. — Проектировать и системно внедрять новые решения. — Отвечать за производительность, качество и устойчивость решений. — Заниматься развитием и ростом команды. Требования: — От 5 лет коммерческой разработки на Python в Backend / Fullstack. — От 3 лет опыта руководства командой. — Уверенное знание Python 3.8+, asyncio, FastAPI и инструментов экосистемы: poetry/pdm, nox/tox, blake. — Продвинутый уровень Linux. — Хорошее знание SQL, опыт работы с PostgreSQL и ClickHouse. — Базовые знания ML. — Английский на уровне чтения технической и научной литературы. — Сильные коммуникационные навыки: умение объяснять сложные технические решения и находить общий язык с командой. Будет плюсом: — Опыт работы с системами обработки больших объёмов данных. — Опыт внедрения AI-решений в разработку. — Знание Go. — Глубокое понимание микросервисной архитектуры, REST, observability и масштабирования. — Опыт работы с fastMCP и агентными системами. — Опыт реализации AI-решений: RAG, агенты и другие. Условия: — Масштабный проект с практическим применением технологий анализа больших данных. — Обучение: семинары, курсы и тренинги от НИУ ВШЭ, английский язык. — Гибридный формат в Москве или удалённая работа по РФ. — Гибкое начало рабочего дня с 8:00 до 11:00. — Софинансирование ДМС. — Программы лояльности от крупных фитнес-клубов и театров Москвы. — Доступ к библиотеке НИУ ВШЭ, электронным и аудиокнигам «МИФ». — Офис на Мясницкой рядом с метро. — Скидки в «Даблби», «Ska vi fika?» и «Буквышке» для сотрудников НИУ ВШЭ.