Вакансии

Location: Москва Команда портфельной риск-аналитики Сбера приглашает в команду опытного аналитика (уровень middle/senior) для работы с розничным кредитным портфелем. Наша цель — обеспечить его устойчивость и качество через глубокий анализ данных и внедрение взвешенных, основанных на данных решений. Обязанности * проведение углубленного анализа данных розничного кредитования * разработка, совершенствование и поддержка дашбордов и регулярной отчетности по ключевым метрикам риска * автоматизация рутинных процессов и аналитических задач * интерпретация результатов анализа для руководства и смежных подразделений, формулирование рекомендаций для управленческих решений Требования * глубокие практические знания в области управления розничными кредитными рисками. Обязателен успешный опыт работы на всех этапах жизненного цикла кредита: от скоринга заявок до управления проблемной задолженностью и работой с дефолтами. * продвинутое владение SQL (написание и оптимизация сложных запросов, построение и поддержка структур данных для аналитики). * опыт применения Python для анализа данных (Pandas, NumPy, SciPy и т.д.). * навыки визуализации данных и презентации аналитических выводов. Способность ясно и структурированно доносить сложную информацию до различной аудитории, включая технических специалистов и топ-менеджмент * навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимущество * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агенто * инструментальное владение AI для анализа, генерации и автоматизации Условия * комфортный современный офис * офисный формат работы * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Исследовать и сравнивать подходы к решению прикладных задач: от классического ML до LLM-пайплайнов. Строить и валидировать модели: классификация, NER, matching, извлечение и нормализация данных, ranking, генерация.

Модели продаж: строить и улучшать маркетинг-микс модели продаж брендов.

Задачи: — участвовать в полном цикле разработки AI-агентов и универсальных ассистентов: от идеи и проектирования до запуска в продакшн — проводить эксперименты, тестировать гипотезы и исследовать новые подходы для создания агентских решений — разрабатывать и внедрять LLM-пайплайны, чат-ботов и интеллектуальные системы — обучать и дообучать NLP-модели под конкретные задачи продукта — интегрировать разработанные модели и логику в бизнес-процессы — мониторить качество работы моделей в продакшне, находить узкие места и оперативно вносить улучшения. Требования: — опыт в NLP и понимание технологий: от классических алгоритмов до трансформеров и генеративных моделей (LLM) — практический опыт коммерческой разработки AI-агентов, чат-ботов и LLM-пайплайнов — опыт обучения глубоких нейронных сетей — уверенное владение PyTorch, NumPy, Pandas, а также фреймворками для работы с агентами: LangChain, LangGraph (или их аналогами) — уверенное владение Python, Git, SQL, Bash, Docker. Умение писать чистый, поддерживаемый и тестируемый код — навык перевода бизнес-требований в конкретные технические и алгоритмические решения. Будет плюсом: — понимание принципов микросервисной архитектуры и опыт проектирования REST API — опыт разработки асинхронных и многопоточных приложений (asyncio, aiohttp, multiprocessing и др.) — опыт взаимодействия с реляционными и нереляционными базами данных — практический опыт настройки и поддержки CI/CD-пайплайнов (Jenkins, GitLab CI, ArgoCD или аналоги) — опыт развёртывания и управления приложениями в Kubernetes. 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 для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте — 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.

Сбор данных из внутренних сервисов, LLM Gateway, GitLab, Jira, логов AI-агентов и других источников. Проектирование и наполнение баз данных и аналитических витрин для оценки использования CodeGen-платформы.

Location: 🇧🇷 São Paulo / 🌎Remote Workplace: Remote A little bit about us: We are Belvo, an open finance API platform with the bold vision of democratizing access to financial services in Latin America. We enable any financial innovator to access and interpret financial data, as well as initiate payments from their end-users accounts. We’re turning the messy complexities of the Latin American financial ecosystem into a modern set of tools to access and interpret data and move money in a seamless and secure way. We’re a highly-technical, passionate, and driven team. We are more than 90 people and our team currently represents 20 nationalities. We have offices in São Paulo and Mexico City – while a large portion of us work remotely. We are tackling a very stimulating problem: connecting fintech innovators with legacy financial infrastructure. We strive to go beyond the limits of what is possible today and to do so in an elegant and developer-first way. Since starting our adventure in May 2019, we have raised $71m from the leading VC investors globally. You can read more about our company here https://belvo.com/about/ and about our team and culture here https://belvo.com/careers/. Also, head to our blog https://belvo.com/blog/ for more news about what we’re building and how we work https://belvo.com/blog/category/working-belvo/. About the team: - We work in cross-functional, autonomous teams. We follow continuous delivery best practices executed on top of a modern technology stack.  - Our products are built for developers, by developers. Technological excellence is at the heart of what we do.   - We are pragmatic and customer-focused. We strive to find the right set of trade-offs in order to validate our hypothesis as early as possible, iterating on our products based on customer feedback.  - We communicate transparently. We do weekly all-hands where we get together to discuss company performance and goals. - While we are global and remote-friendly, we also operate from our vibrant offices in CDMX and Sao Paulo. To accommodate the various time zones in which we are based, we ensure we’re always synced up for at least 3 hours per day. - Also, we are backed by some of the leading investors in Silicon Valley and Latin America, including Founders Fund, Kaszek Ventures, and YCombinator. The challenge The Intelligence Squad is Belvo's AI enabler team. One part of the squad builds the platforms and patterns that let every team at Belvo ship AI. This role sits in the other part: turning the financial data and payments we aggregate across Latin America into models that make real decisions, who looks creditworthy, which transaction is fraudulent, what category a payment belongs to, whether an income statement checks out. That data drives real financial outcomes for the people and businesses on the other end, so the bar for rigor is high. You'll be the data science reference in the squad. We're not hiring someone to execute a modeling backlog someone else wrote. We want someone who decides which problems are worth modeling, defines how we know a model is good enough, and raises the data science bar for everyone they work with. You'll be deep enough in statistics and ML to defend a modeling choice to anyone, whether this is a set of rules to simplify a problem or a complex model that you build. You'll be close enough to the business to turn a commercial problem into a modeling roadmap and a business case. And you'll be a strong enough engineer to take your models from notebook to production and own them there. Responsibilities - Model development and selection: Lead the design of statistical and ML models (classification, regression, ranking, NLP or LLM-based) for problems like risk scoring, fraud detection and transaction categorization. Choose approaches on their merits and defend those choices with data, not habit. - AI-leveraged delivery: Use agentic coding and research tooling as a core part of how you work: exploring data, generating and testing feature hypotheses, scaffolding pipelines, writing the service around the model. We care about the decisions you ship, not hours at the keyboard, and we expect you to keep compressing the gap between the two. - Feature engineering with business context: Work with Product and the business teams to figure out which signals in Belvo's financial data actually explain the outcome you're modeling, and translate an ambiguous business question into a well-scoped modeling problem. - Productionization and ownership: Take models past the notebook. Build or shape the pipelines, APIs and services that run them reliably in production, and own them once they're live: monitoring, drift, retraining, and retirement when the evidence says so. - Experimentation: Design and run experiments (A/B tests and offline evaluation) to confirm that a model change actually moves the metric it's meant to move. - Cross-functional partnership: Work closely with Engineering, Data Research, Product, and the rest of the Intelligence Squad to ship end to end, and with stakeholders across the business to keep your models grounded in what actually matters to them. - Business and customer partnership: Work directly with stakeholders and, when needed, customers. Translate ambiguous business questions into well-scoped problems, and explain trade-offs and impact clearly to non-technical audiences, executives included. - Staying current: GenAI moves weekly. We expect you to be genuinely plugged in: model releases, papers, and tooling, to hold an opinion on what's real versus hype, and to bring the useful parts back to the squad as a demo, a doc, or a session for our company-wide AI Chapter. - Framing the problem: Decide what's worth modeling. Push back when a rule, a heuristic, or a better data pipeline solves the problem without a model, and be willing to kill or retire your own model when the evidence says so. This position may be for you if - 5+ years of experience as a Data Scientist, Applied Scientist, or in a similar hands-on modeling role. - You've owned models end to end in production, from framing the problem to monitoring it live, and you can point to the measurable business impact they had. - You have a solid grounding in statistics and can explain how your models work at that level, not just how to call them. - You've built and compared more than one type of model (for example tree-based methods, regression, deep learning) for the same problem and can justify why you picked the one you shipped. - You're comfortable in Python for data science (pandas, scikit-learn, and at least one of TensorFlow or PyTorch) and in SQL for pulling and shaping your own data. - You've taken several models you built into production yourself, not just handed it off to someone else to deploy.You http://deploy.You understand engineering fundamentals: testing, version control, CI/CD, and how to write code someone other than you can maintain. - You've built with LLMs past the API-call level: tool use or agents, retrieval, structured outputs, and shipped at least one to production. You can explain how you knew it was good enough, which means you've built some form of evaluation, not just eyeballed outputs. - Agentic coding tools are part of your daily workflow, not a novelty. You can walk us through a specific task that used to take you days and now takes hours: how you set it up, what you delegated, and where you still don't trust the output. - You're proficient in written and spoken English. Amazing if - You've worked in fintech, financial risk, or another regulated data environment before. - You have a business or strategy background alongside data science (an MBA, consulting, or a product/strategy role). - You've worked in a customer-facing data science role, such as a forward-deployed engineer or a solutions/applied team at a data platform company. - You've worked with MLOps tooling for model versioning, monitoring, and automated retraining. - You've deployed models on AWS (for example SageMaker or an equivalent managed ML service). - You've written evals or an LLM-as-judge harness for a non-deterministic system, and have opinions about where that approach breaks. - You've used LLMs inside the data pipeline itself: labeling, extraction, categorization, and can say where they beat a classical model and where they quietly don't. Tech stack - Python is our primary language for data science and modeling (pandas, scikit-learn, and deep learning frameworks as needed). - SQL against a cloud data warehouse for data access and feature work.Claude deployed company-wide and Claude Code for every engineer. Agentic tooling is part of how we work daily, not a side experiment. - Cloud infrastructure on AWS, favoring managed services so you can focus on the modeling problem rather than infrastructure plumbing. - An experimentation platform for A/B testing and offline evaluation. - We use Datadog for service observability across the company. - We follow Continuous Integration and Continuous Delivery best practices. Our tech stack: - We’re building our platform using modern technologies, putting the focus on reliability and long-term maintainability - We primarily use Python on the backend. We use battle-tested technologies such as Django, and we are heavy users of Python’s asyncio for some parts of our stack - We use Javascript, Vue.js and Sass on the frontend. We are developing and leveraging our own design system and component library - We run our infrastructure on top of Amazon Web Services, leveraging managed services. We tend to favor the use of managed services wherever possible, in order to focus on our business problems - We observe and monitor our services using Datadog - We follow Continuous Integration and Continuous Delivery best practices Our process steps: At Belvo every hire is so important to us, that we share the decision to hire as a team. - People team chat - Take-home challenge - Challenge presentation - Team fit chat - Meet the founders Our perks: 🚀 Stock options (we are all owners and this is very important to us) 📈 Annual company bonus linked to company performance 🔆 Flexible working hours 🔝 Remote friendly 🐶 Pet friendly 👩🏻‍⚕️ Health Insurance 🎊 Paid time off on your birthday 💻 Renew your laptop every 3 years 🙋 Training Budget 😎 Team building events 🙀 Bank holidays swap within 30 days 🔋 Fitness/ wellness stipends 🚀 Yearly company offsite 🍒 Fresh fruit every week, all-you-can-drink tea and coffee 🏝 Extra days off accrued when completing 2, 3, 4 years and beyond at Belvo 🎳 Yearly department offsite

• Полный цикл разработки моделей: Проектирование, обучение, валидация и внедрение скоринговых и предиктивных моделей для оценки кредитоспособности заемщиков.

Location: Москва Мы – команда управления рисками блока сеть продаж. Мы создаем инструменты и сервисы, как классические, так и AI/ML-решения, которые позволяют минимизировать риски мошенничества в отношении клиентов и банка. Сейчас нам в команду требуется руководитель направления, который поможет нам выстроить систему регулярного мониторинга для каждого проекта, покрыв их метриками (AI/ML, бизнес, клиентские метрики), оперативного реагирования и эскалации западающих зон и организацию их исправления. Обязанности * Взаимодействие с бизнес-командами для сбора требований, согласования гипотез, презентации результатов и формирования бэклога. * Руководство распределенной командой инженеров и аналитиков данных (2 чел.). * Управление бэклогом команды: планирование, постановка, приоритизация и контроль выполнения в Jira. Ведение и актуализация проектной документации в Confluence. * Поиск, анализ и оценка новых источников с релевантными данными для использовании в работе. * Решение сложных аналитических задач: расчет бизнес-метрик, проектирование и реализация логики преобразования данных для анализа. * Разработка, оптимизация алгоритмов обработки данных на SQL, Python. * Формирование и формализация алгоритмов для построения отчетности и аналитических исследований. * Выполнение аналитических ad-hoc задач. * Проектирование, разработка и поддержка аналитических витрин и слоя данных в Greenplum, Hadoop, Spark, СМД. * Внедрение и поддержка процессов обеспечения качества данных (Data Quality): контроль стандартов, мониторинг целостности, точности и своевременности поступления данных. * Реализация и развитие BI-отчетности, дэшбордов для мониторинга динамики риска поведения / фрода и оценки причин изменений, выявления фродовых / подозрительных операций, оценки эффективности мероприятий по предотвращению рисков. Требования * Понимание основ проектирования, разработки и оптимизации ETL/ELT-процессов и дата-пайплайнов. * Опыт проектирования, создания и поддержки аналитических витрин данных. * Продвинутое владение PostgreSQL (создание процедур, оконные функции, поставка витрин через PXF), Python (pandas, numpy, matplotlib). * Опыт работы с распределенными системами, такими как Greenplum, Hadoop и Spark, СМД. * Навыки применения статистического анализа и методов машинного обучения (классификация, обнаружение аномалий) для решения бизнес-задач. * Способность решать сложные аналитические задачи: расчет метрик, анализ первопричин, формализация алгоритмов для выявления подозрительных активностей. * Опыт внедрения и поддержки практик обеспечения качества данных, мониторинга их целостности и точности. * Опыт разработки и поддержки BI-отчетности (Qlik, Navigator) и дэшбордов для мониторинга и аналитики. Условия * График 5/2, офис на м. Кутузовская; * Режим работы - офис; * Достойный уровень вознаграждения (оклад + годовая премия); * Возможность возглавить AI-направление и влиять на цифровую трансформацию банка; * Широкие возможности для профессионального развития: корпоративный университет и множество онлайн-программ обучения. Корпоративное обучение за счёт компании; * Бесплатная подписка СберПрайм+, многочисленные скидки и бонусы от партнёров: СберМаркет, МегаМаркет, Самокат, Еаптека и др.

-Участвовать в разработке и поддержке моделей кредитного риска для юридических лиц. -Анализировать данные, создавать признаки, реализуя Feature store, и отбирать признаки для моделей.

• Взаимодействие с data scientists, инженерами, аналитиками и бизнес-стейкхолдерами. • Коммерческий опыт в ML/ML Engineering от 3 лет, уровень Middle+ / Senior.

Location: Москва Команда Легкие продукты в поиске продуктового аналитика. Ключевая задача легких продуктов – обеспечить легкий понятный клиентский путь оформления продукта, сформировать положительный опыт страхования для дальнейшего x-sell сложных продуктов. Обязанности * Полный end-to-end запуск пилотных кампаний по привлечению клиентов через различные каналы коммуникаций: SMS, email, push, роботизированные звонки, баннеры, терминалы и др. * Формирование и проработка гипотез по увеличению клиентского привлечения, повышению конверсии и эффективности коммуникаций. * Сегментация клиентской базы, формирование целевых аудиторий и подготовка таргетов с использованием SQL и Python. * Самостоятельная настройка, запуск и сопровождение кампаний на специализированной платформе. * Контроль корректности проведения пилотов, мониторинг ключевых показателей и оперативное выявление отклонений. * Анализ результатов кампаний, оценка статистической значимости и подготовка рекомендаций по масштабированию успешных механик. * Ведение задач и документации в Jira и Confluence, взаимодействие с продуктовыми, маркетинговыми и техническими командами. * Участие в продуктовой аналитике: анализ воронок, поиск точек роста и оценка продуктовых гипотез. Требования * Опыт работы от 3 лет в аналитике данных, CRM-аналитике, маркетинговой или продуктовой аналитике. * Высшее образование (техническое, математическое, экономическое или в области информационных технологий). * Уверенное владение SQL: сложные запросы, JOIN, CTE, оконные функции, работа с большими объёмами данных. * Практический опыт использования Python для обработки данных, автоматизации аналитических задач и подготовки клиентских выборок (pandas, numpy). * Опыт работы с аналитическими хранилищами данных (Greenplum или аналоги). * Понимание принципов сегментации клиентской базы, построения целевых аудиторий и проведения маркетинговых кампаний. * Знание основ математической статистики, методологии A/B-тестирования и оценки эффективности экспериментов. * Понимание ключевых метрик привлечения: Conversion Rate, Response Rate, CTR, CPA и других. * Опыт самостоятельного ведения аналитических задач от постановки до получения и интерпретации результатов. * Навыки взаимодействия с бизнес-заказчиками, формализации требований и презентации аналитических выводов. Условия * Офисный формат работы (офис м.Проспект Мира); * Выгодные ипотечные льготные условия кредитования; * Подписка Прайм с возможностью совместного использования на трёх близких, скидки на продукты компаний-партнеров: Okko, Сбер Маркет, Delivery Club, Самокат, Ситимобил, Сбер Еаптека и другие; * ДМС с первого дня и льготное страхование для близких; * Корпоративная пенсионная программа; * Детский отдых и подарки за счет Компании; * Обучение за счет Компании: онлайн курсы в Виртуальной школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию;

Задачи: — Участвовать в разработке и поддержке моделей кредитного риска для юридических лиц — Анализировать данные, создавать признаки, реализуя Feature store, и отбирать признаки для моделей — Применять алгоритмы машинного обучения: линейные модели, случайный лес, градиентный бустинг — Тестировать новые источники данных и подходы к моделированию, включая различные передовые архитектуры — Презентовать результаты работы бизнес заказчика — Участвовать в исследованиях и предлагать собственные идеи Требования: — Высшее или незаконченное высшее образование в области математики, экономики, анализа данных или смежных направлениях — Базовые знания теории вероятностей, математической статистики и машинного обучения — Навыки работы с Python и библиотеками анализа pandas, numpy, scikit-learn, и моделирования XGBoost, LightGBM, CatBoost — Базовое знание SQL и понимание основных этапов подготовки данных — Готовность учиться, развиваться и работать в команде — Будет плюсом: опыт работы с Hadoop (PySpark), Hive, Impala или реляционными базами данных — Участие в соревнованиях, хакатонах, kaggle — Интерес к финансовой отчетности и анализу юридических лиц — Знание английского языка на уровне чтения технической литературы

Location: Москва Наша команда развивает пользовательские сценарии и персонализацию предложений в Диалоговых каналах банка. Наша цель — объединение канальных сценариев взаимодействия с клиентом в единый омниканальный процесс, создание решений, которые помогут клиенту закрыть его потребности с помощью продуктов и сервисов экосистемы Сбера, персонализируют клиентский опыт и оптимизируют бизнес-процессы. Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех! Обязанности * вести продуктовую аналитику: формулировать и отслеживать метрики успеха, анализировать воронки, проводить A/B-тесты и оценивать влияние изменений на ключевые показатели * анализировать данные по клиентам и кампаниям * проводить исследование новых источников данных для улучшения качества персонализации предложений * участвовать в разработке стратегии развития продукта, определять приоритетные направлений для исследований * готовить Ad-Hoc отчеты, консультировать смежные команды * унифицировать, автоматизировать и развивать аналитические процессы команды. Требования * опыт работы в качестве DA/BA от 2 лет * Уверенное знание SQL (оконные функции, умение читать план запроса и т.д.) * опыт использования Python для аналитики (библиотеки - pandas/ numpy/ matplotlib/ seaborn) * умение презентовать результаты своих исследований и объяснять сложные вещи простыми словами * умение проектировать эксперименты и интерпретировать результаты; * знание основ статистики (методология оценки A/B-тестов, проверка гипотез) * навыки анализа большого массива данных. **Преимуществом будет:** * опыт работы в BI инструментами (Tableau, Qlik и др.) * опыт работы с BigData-стеком (Hadoop, Spark, Hive), умение строить и оптимизировать пайплайны обработки больших данных * аналитическое мышление и умение систематизировать информацию; * проактивность и самостоятельность в решении задач * умение работать со смежными командами, отстаивать интересы по своим задачам и место в бэклоге, контролировать выполнение поставленных задач * 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 * офисный формат работы, адрес офиса Кутузовский проспект 32 к 1 * ежегодный пересмотр зарплаты, квартальная и годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте * 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: — Анализ внутренних показателей маркетплейсов; — Работа с базами данных: написание запросов с помощью Power Querty, Power Pivot; — Интегрирование данных из разных источников; — Участие в автоматизации загрузки и обновления данных, контроль корректности и полноты данных; — Работа с данными из 1С и личных кабинетов маркетплейсов: формирование выгрузки, объединение с данными маркетплейсов, контроль качества данных; — Ведение отчетности о динамике расходов и эффективности использования рекламного бюджета маркетплейсов; — Мониторинг конкурентов, анализ: категорий, товаров, цен, активностей; — Сбор и анализ Unit - экономики; — Разработка калькулятора для расчета количества товара для распределения по складам, расчета цен; — Подготовка презентаций, отчетов, графиков, рекомендаций; — Построение дашбордов и визуализация данных; — Разработка комплексной модели ценообразования маркетплейсов и автоматизация данного процесса; Требования: — Знание основных показателей продаж, принципов формирования аналитических показателей и отчетов, порядок ценообразования; — Отличное знание Excel, сводные таблицы, VBA, BI системы; — Опыт написания запросов с помощью Power Query, Power Pivot; — Знание Python (Pandas, Matplotlib), интерес к ML технологии; — Умение структурировать, систематизировать и интерпретировать данные и предлагать actionable insights; — Аналитическое мышление, внимательность, умение видеть закономерности; Условия: — Работа в крупной производственной компании (30 лет на рынке РФ); — Перспективы для профессионального развития и карьерного роста; — Официальное оформление по ТК РФ; — График работы: 5/2 c 9-00 до 18-00 (ОФИС); — Насыщенная корпоративная жизнь: тематические пятницы, экскурсии по Москве и на производство компании, квизы, настольные игры, ENGLISH CLUB и др.; — Скидки на продукцию компании для сотрудников и новогодние подарки для детей; — Комфортный офис в 5 минутах ходьбы от м.Сокол;

Задачи: — Разработка AI агентов на основе современных генеративных сеток (GigaChat и OpenSource); — Разработка системы офлайн- и онлайн-метрик для оценки качества LLM-приложений; — Следить за последними исследованиями и инновациями в области языковых моделей и применять их на практике. Требования: — Опыт разработки AI агентов для компаний end-to-end от исследования до запуска в продакшн; — Глубокое понимание архитектуры нейронных сетей, трансформеров и их применения в моделях LLM; — Экспертное владение Python-библиотеками для AI/ML (PyTorch, Transformers, LangChain, LlamaIndex, LangGraph, pandas, NumPy, scikit-learn); — Знание MLOps-инструментов (Docker, LangFuse, Ollama, vLLM); — Высокий уровень знаний статистики (теорвер + матстат), глубокое понимание ключевых алгоритмов ML. Условия: — Работа в аккредитованной IT-компании; — Удобный офис (м. Калужская, ул. Обручева 30/1 с.2); — Ежегодный бонус по итогам работы; — Подключение к ДМС, телемедицина, чек-ап после испытательного срока; — Ведение беременности и родов, лазерная коррекция зрения и стоматология после двух лет непрерывного стажа в группе Сбер; — Специальные условия для страхования семьи; — Возможность участия в корпоративной пенсионной программе; — Корпоративное обучение; — Бесплатная подписка на СберПрайм и скидки у партнёров; — Новогодние подарки для детей, корпоративные мероприятия и поддержка в особых жизненных ситуациях; — Скидки в спортклубы X-Fit, WorldClass. Дополнительно: — Видимый результат: вклад напрямую влияет на продукт и развитие компании; — Минимизация бюрократии, возможность проявлять инициативу; — Возможность карьерного роста внутри команды или других подразделений; — Вклад в развитие общества через исследования, способствующие улучшению экономики регионов и качества жизни людей; — Вера в силу данных как инструмента позитивных изменений.

Задачи: — Участие в проектах заказной разработки и пресейлах, включая направление искусственного интеллекта. — Полный цикл аналитических работ: от сбора и формализации требований до функционального тестирования, приёмки и демонстрации решений заказчику. — Ежедневное использование LLM-ассистентов (YandexGPT, GigaChat и аналогов) для решения рабочих задач. Требования: 1. Анализ и проектирование — Моделирование бизнес-процессов: BPMN 2.0. — Проектирование систем: UML (диаграммы классов, последовательностей, активности), Use Case. — Сбор требований: User Story, Use Case, техники интервьюирования. — Проектирование баз данных: ER-модели, нормализация, понимание транзакционности. — Прототипирование интерфейсов: Figma (базовая работа с макетами), Miro (схемы, майндмэпы). 2. Работа с данными и API — Уверенное владение SQL (PostgreSQL, MySQL): сложные JOIN, оконные функции, CTE, оптимизация запросов. — Работа с форматами данных: JSON, XML, YAML. — Интеграции: REST API, SOAP. — Понимание принципов работы брокеров сообщений на уровне producer/consumer. — OpenAPI (Swagger): чтение спецификаций, внесение изменений. 3. Инструменты и процессы — Jira: создание и декомпозиция задач, ведение спринтов. — Confluence: оформление ТЗ, архитектурных решений, ведение базы знаний. — Методологии разработки: Agile (Scrum, Kanban), понимание Waterfall. — Git: ветвление, merge/pull requests в GitLab или GitHub. — Postman: коллекции, переменные, скрипты для тестирования API. 4. Искусственный интеллект и векторные данные — Ежедневное применение LLM-ассистентов (YandexGPT, GigaChat и аналоги). — Использование ИИ для написания SQL-запросов, генерации и рефакторинга кода. — Применение LLM для подготовки документации, анализа требований, проектирования API и моделей данных. — Понимание принципов работы векторных баз данных. — Опыт работы с Qdrant, pgvector или аналогами: хранение эмбеддингов, базовый векторный поиск. 5. Личностные качества — Проактивность и самостоятельное доведение задач до результата. — Умение принимать решения при неполных вводных. — Способность быстро погружаться в новую предметную область. — Стрессоустойчивость при сжатых сроках и параллельной загрузке. Дополнительные требования (будет плюсом): 1. Разработка ИИ-решений — LangChain, LangGraph: построение цепочек (chains), агентов и RAG-пайплайнов. — Понимание протоколов MCP (Model Context Protocol) и A2A (Agent-to-Agent). 2. Обработка неструктурированных данных — Интеграция SpeechKit, Whisper или аналогов для распознавания речи. — Работа с Tesseract, Yandex Vision или аналогами для OCR и извлечения данных из документов. 3. Инфраструктура и архитектура — Архитектурное моделирование: C4 Model. — Docker, Kubernetes: понимание YAML-конфигураций, Helm. — Yandex Cloud, AWS: S3/Object Storage, Managed Databases, IAM. — RabbitMQ, Kafka: настройка, топики, партиции, гарантии доставки. 4. Разработка и хранение данных — Python для написания ETL/ELT-скриптов, работы с Pandas и автоматизации. — Опыт построения DWH. — Моделирование данных: Data Vault, Star Schema, Snowflake Schema. — Работа с BI-инструментами.

Location: Taguig, National Capital Region Workplace: Hybrid Salmon Bank (Rural Bank) Inc., the banking arm of Salmon Group Ltd, is a technology-driven challenger bank in the Philippines operating under a BSP license. We combine the trust of a regulated financial institution with the speed and convenience of a modern banking experience. Here, product, risk, compliance, operations, technology, and customer experience work closely together to build and run a modern bank. We work with fewer layers, close collaboration, and a culture where every voice can make a difference. If you want to build reliable financial systems at speed, take on real operational complexity, and help raise banking standards across the Philippines, come build with us. ABOUT THE ROLE You'll own credit scoring across the full customer lifecycle — from application decisions to behavioral models that drive portfolio profitability. WHAT YOU'LL DO - Build and improve Application and Behavioral Scorecards that drive underwriting and collections decisions across live credit products. - Work within a regulated environment — prepare model documentation and defend modeling decisions to internal governance and external reviewers. - Collaborate with product, analytics, and engineering to translate model outputs into strategy changes and implementation specs. WHAT YOU'LL OWN - Own the full modeling cycle: data exploration, feature design, model build, validation, deployment specs, and post-production monitoring. - Track scorecard quality — AUC, KS, bad rate, stability index — and validate against real portfolio outcomes via NPV and backtesting. - Prepare model documentation and governance artifacts for regulatory review. - Shape credit strategy — your models directly influence approval, pricing, and collection decisions, not just inform them. WHAT MAKES YOU A STRONG FIT - 3+ years of hands-on experience building credit risk models — Application Scorecards and/or Behavioral Scorecards specifically (ECL/IFRS9-only experience does not substitute). - Experience with model audits, documentation, or regulatory review support. - Strong Python (pandas, scikit-learn) and SQL — you build models yourself, not just review others' work. - Experience covering the full lifecycle: data, feature engineering, validation, and production monitoring. WHAT WE OFFER WORK AND OWNERSHIP - Hybrid-first work environment with a modern office in Bonifacio Global City, Manila - Company-provided tools and equipment - Work with an international team combining global fintech experience with deep Philippine market knowledge - Direct access to decision-makers and a real voice in how we build for the Philippine market HEALTH AND TIME OFF - Medical insurance for you and your family - 22 vacation days, Philippine public holidays, and 15 sick days - 105 days of paid maternity leave and up to 14 days of paid paternity leave LEARNING AND TEAM EXPERIENCE - Opportunities to learn and share your expertise through internal expert meetups, external conferences, speaking opportunities, and industry publications - Regular team offsites, sports activities, and team events - High-performing teams can earn a dedicated beach house week in Southeast Asia We believe strong teams are built by people with different backgrounds, experiences, and points of view. Salmon is an equal opportunity employer, and we make hiring decisions based on skills, experience, and potential.

Location: Athens, Greece; Thessaloniki, Greece About the Role We are seeking an AI/ML Engineer - python developer to join our software development team. You will work on challenging international projects, using cutting-edge technology to deliver ML and AI solutions for major international public organizations. The role offers rapid career growth and real exposure to high-impact, large-scale work. What You Will Do Implement advanced ML solutions and model deployment strategies (MLOps); Build advanced Generative AI components and pipelines, including RAG architectures, orchestration layers and evaluation frameworks; Contribute to AI governance, observability, monitoring and responsible AI practices; Contribute to the design and documentation AI solutions; Contribute to python implementation tasks and implementation of micro-services using frameworks such as FastAPI, Flask, Pydantic. etc. Requirements A university degree in IT or a related field; Very good knowledge of python, pandas, numpy, scipy, matplotlib, seaborn; Good knowledge of  FastAPI, Flask, Pydantic, SQL Alchemy; Hands-on experience in use and integration with leading LLMs and SLMs; Familiarity with AI frameworks such as LangChain, LangGraph, Haystack; Familiarity with major ML frameworks such as PyTorch and TensorFlow, and with model formats such as ONNX; Excellent command of English, written and spoken. Nice to Have Experience designing and implementing AI/NLP pipelines (AI Ops / NLP Ops); Familiarity with AWS SageMaker and / or  Azure Machine Learning platform; Familiarity with cloud platforms such as AWS or Azure; Familiarity with Big Data systems such as Spark (PySpark) and/or Databricks. Benefits We believe in rewarding talent and dedication. Here's what you can expect as part of our team: Competitive full-time salary; Private Health Coverage on the Company’s group program; Flexible Working Hours; Top-of-the-Line Tools; Professional Development: Benefit from language courses, specialized training, and continuous learning opportunities; Career Growth: Work with some of the most innovative and exciting specialists in the industry; Dynamic Work Environment: Thrive in a setting that offers challenging goals, autonomy, and mentoring, fostering both personal and company growth. If you want an exciting challenge, work with some of the coolest technologies, and enjoy your time doing it, then join us! Submit your detailed CV in English, quoting reference: ( JA/ME-PD/11/26 ). You may also consider all our other open vacancies by visiting the career section of our website ( www.eurodyn.com ) and follow us on Twitter (@EURODYN_Careers) and LinkedIn. EUROPEAN DYNAMICS (ED) ( www.eurodyn.com ) is a leading European Software, Information, and Communication Technologies company, operating internationally (Athens, Brussels, Luxembourg, Copenhagen, Berlin, Stockholm, London, Nicosia, Valetta, Vienna, Den Haag, Hong Kong, etc.) The company employs over 1100 engineers, IT experts, and consultants (around 3% PhD, 41% MSc, and 54% BSc). We design and develop software applications using integrated, state-of-the-art technology. Our current IT projects have a value exceeding 300 million EURO. EUROPEAN DYNAMICS is a renowned supplier of IT services to European Union Institutions, international organizations, European Agencies, and national government Administrations in 40 countries and 4 continents. As part of our dedication to the diversity of our workforce, we are committed to Equal Employment Opportunity without regard for race, colour, national origin, ethnicity, gender, disability, sexual orientation, gender identity, or religion. EUROPEAN DYNAMICS (ED) adheres to the General Data Protection Regulation principles by applying its Privacy Policy as published at www.eurodyn.com/privacy . By submitting an application to this position and by sharing your personal data with ED, you acknowledge and accept its Policy and authorize ED to process your personal data for the purposes of the company's recruitment opportunities, in line with the Policy.