Задачи:
— проектировать, разрабатывать и поддерживать ETL/ELT-пайплайны
— собирать, обрабатывать и трансформировать данные из различных источников
— разрабатывать и сопровождать слои DWH, витрины данных и data marts
— настраивать интеграцию источников данных: CRM, ERP, BI и внешних сервисов
— разрабатывать внутренние сервисы и API на Python
— заниматься мониторингом, логированием и устранением ошибок
Требования:
— практический опыт работы с Python, SQL, Airflow, ETL/ELT и DWH
— опыт разработки и поддержки data pipelines
— знание реляционных СУБД
— опыт работы с API
Задачи:
- Развивать корпоративное хранилище данных: проектировать слои, схемы, таблицы и представления, оптимизировать структуру хранения;
- Разрабатывать и сопровождать витрины данных для аналитики;
- Проектировать и разрабатывать процессы загрузки данных из разнородных источников;
- Настраивать потоки передачи данных между системами: интеграции, синхронизация, обработка ошибок;
- Строить дашборды, алертинг и мониторинг;
- Обеспечивать наблюдаемость пайплайнов: контроль качества данных, отслеживание задержек и сбоев загрузок;
- Проводить аудит текущих решений, выявлять точки роста;
- Собирать и уточнять требования к данным вместе с аналитиками и бизнес-заказчиками;
- Участвовать в анализе данных: выявление зависимостей, построение логических связей, подготовка данных для аналитики.
Требования:
- 4+ года коммерческого опыта в роли Data Engineer;
- Понимание принципов построения DWH (Kimball / Inmon, star schema, ETL/ELT);
- Опыт построения систем мастер-данных;
- Умение самостоятельно превратить размытую бизнес-задачу в модель данных и план работ.
Будет плюсом:
- Опыт ответственности за архитектуру хранилища или крупного домена целиком;
- Внимание к качеству данных как отдельной задаче: проверки, SLA, договорённости с владельцами источников;
- Опыт с ML и Computer Vision.
Условия:
- Комфортный офис в Mega Alma-Ata с паркингом и видом на горы;
- Гибридный формат работы;
- Официальное трудоустройство, медстраховка для вас и близких, компенсация фитнеса.
Задачи:
— Проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы и автономных AI-агентов (планирование, function calling, мультиагентная оркестрация)
— Дообучение и адаптация: SFT/RLHF/DPO, LoRA/QLoRA под бизнес-задачи; решать, когда нужно дообучение, а когда достаточно промпт-инжиниринга или RAG
— Поддерживать культуру качества: внедрять продуктовые и ML-метрики (RAGAS, DeepEval, LLM-as-a-Judge), автоматизировать регрессионное тестирование
— Писать чистый, документированный и тестируемый python-код, проектировать API-контракты для ML-компонент
— Участвовать в код-ревью, формировать технические стандарты команды, работать напрямую с продуктом и стейкхолдерами
Требования:
— Опыт в DL/NLP от 4 лет, включая обучение и дообучение моделей на PyTorch, из них не менее года практического опыта с LLM
— Практический опыт построения AI-агентов и LLM-пайплайнов с использованием LangChain/LangGraph
— Глубокое понимание архитектуры современных LLM: attention, MoE, RoPE, KV-cache, методы alignment (RLHF/DPO), принципы эффективного инференса
— Сильная инженерная культура: Python (asyncio, pydantic, fastapi), чистый тестируемый код (pytest), асинхронные микросервисы; понимание Docker/K8s, CI/CD для ML
— Оценка и мониторинг: уверенное владение инструментами LLMOps (Arize, LangSmith, W&B, Phoenix), опыт создания кастомных eval-пайплайнов
— Работа с данными: опыт предобработки сложных данных для датасетов, знание SQL
ГибридseniorМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.