Вакансии

Location: Hong Kong Qube Research & Technologies (QRT) is a global quantitative and systematic investment manager, operating in all liquid asset classes across the world. We are a technology and data driven group implementing a scientific approach to investing. Combining data, research, technology, and trading expertise has shaped QRT’s collaborative mindset which enables us to solve the most complex challenges. QRT’s culture of innovation continuously drives our ambition to deliver high quality returns for our investors. You will work within a data focused function supporting Quantitative Researchers, Traders, and other stakeholders across the firm. The role focuses on designing and developing financial datasets that support systematic strategies and trading decisions, with particular emphasis on market data, pricing datasets, and reference data. You will combine financial market knowledge with Python and data engineering skills to build and own the automated production pipelines that create and maintain these datasets. Your future role within QRT Collaborate with Quantitative Researchers and Traders to design financial datasets that support systematic strategies and trading decisions Develop Python code to extract, clean, normalise, and aggregate data from a range of financial market data sources Design, build and maintain automated data pipelines covering sourcing, extraction, transformation, validation and delivery Develop and maintain pricing and reference datasets across financial instruments and markets Investigate and resolve data quality and production issues to improve the reliability and availability of datasets Evaluate and implement new approaches to data extraction, processing and onboarding Take ownership of production data workflows and evolve them as data requirements, systems and business priorities change Your present skillset 2 to 5 years of experience in a data focused role working with financial or market data Strong understanding of financial markets and instruments, including the behaviour and characteristics of pricing and reference datasets Advanced Python programming skills, including experience with data processing libraries such as Pandas or Polars Experience designing, building and maintaining automated production data pipelines Strong data analysis and problem solving skills, with the ability to investigate data quality issues and understand their underlying causes Experience working with market data platforms and APIs from providers such as Bloomberg or LSEG is beneficial, including products such as Datastream, DataScope Select, Real Time, BPIPE or Data License Postgraduate degree in Mathematics, Physics, Engineering, Computer Science or another quantitative discipline Strong communication skills with the ability to collaborate effectively with Quantitative Researchers, Traders and other stakeholders Ability to operate effectively as priorities, systems, projects and business requirements evolve QRT is an equal opportunity employer. We welcome diversity as essential to our success. QRT empowers employees to work openly and respectfully to achieve collective success. In addition to professional achievement, we are offering initiatives and programs to enable employees achieve a healthy work-life balance.

Задачи: — Поддерживать и обновлять существующие дашборды для маркетинговых команд; — Выполнять ad-hoc выгрузки и запросы от маркетологов (пуши, баннеры, рекламные кампании); — Ежедневно мониторить алерты по рекламным сущностям, первичная диагностика проблем; — Поддерживать витрины данных в Airflow: обновление, доработка по готовым ТЗ; — Документировать витрины, дашборды и аналитические процессы; — Первично коммуницировать с заказчиками по типовым вопросам; — Автоматизировать мелкие рутинные отчёты; — Участвовать в передаче офлайн-конверсий через S2S (server-to-server) и measurement protocol. Требования: — Опыт работы в маркетинговой аналитике от 2 лет; — Уверенное владение SQL (джойны, подзапросы, массивы, оконные функции); — Опыт работы с СУБД Clickhouse будет плюсом; — Понимание маркетинговых метрик: ДРР, ROMI, CPA, LTV, конверсии, воронки; — Понимание принципов атрибуции; — Знание рекламных систем: Яндекс.Директ, Google Ads, VK Реклама и т.п.; — Опыт работы с системами: Яндекс.Метрика, Google Analytics; — Опыт работы с BI-инструментами (Redash, Tableau, PowerBI или аналоги); — Понимание принципов работы с AI-инструментами (ChatGPT, Claude, Copilot и др.) и умение применять их для ускорения рутинных задач: генерация SQL-запросов, написание регулярных выражений, помощь в анализе данных, подготовка документации; — Понимание или опыт передачи офлайн-конверсий через S2S (server-to-server) - осознание, зачем это нужно и как влияет на оценку эффективности рекламы; — Аналитическое мышление, умение задавать вопросы и самостоятельно разбираться в задаче. Будет плюсом: — Опыт работы с Airflow (или готовность быстро освоить); — Python на уровне работы с данными (pandas); — Практический опыт использования AI-инструментов в ежедневной работе: автоматизация отчетности, генерация кода, анализ больших текстов, работа с LLM для построения гипотез; — Практический опыт настройки или участия в передаче офлайн-конверсий через S2S (measurement protocol), работа с API рекламных систем для передачи конверсий.

Задачи: — исследование клиентского опыта в рамках процессов оздоровления и взыскания, поиск «узких» мест в процессах и использование передовых инструментов для проведения локальных исследований (графовый анализ, LLM для поиска инсайтов, самовоспроизводящиеся ИИ-решения, disrupt-проекты) — регулярные встречи с Заказчиками для определения зон роста, предоставления непредвзятого взгляда на процессы и предложения к их трансформации — создание ИИ-решений, влияющих на клиентский опыт — построение чистого эксперимента и валидация ИИ-решения — проработка технологической реализации при поддержке команд разработчиков, data и OPS-специалистов — контроль внедрения ИИ-решения и последующего поведения решения в ПРОМ-контуре, анализ результатов внедрения — создание AI-агентов на базе LLM для оптимизации рутинных процессов: оптимизация документальной и рутинной работы, речевая и текстовая аналитика взаимодействия с клиентом, выявление сущностей для автоматизации внутренних процессов, качественная суммаризация текста для составления профиля клиента — разработка и внедрение ML/AI-моделей: оценки и прогноза финансового состояния клиента, подбор индивидуальных условий для урегулирования задолженности, антифрод и выявления мошенничества, скоринг клиентов, прогнозирование дефолта по обязательствам, What-If / Uplift моделирование и каскады моделей для выстраивания процессов с использованием ИИ, графовый анализ компаний, их руководителей и бенефициаров, анализ новостного контента и других источников информации о клиентах. Требования: — опыт работы 3+ лет в традиционных направлениях машинного обучения (ML), обработки естественного языка (NLP), глубокого обучения (DL) — знание библиотек и фреймворков: pandas, pyspark, catboost, pytorch, tensorflow, langchain/langgraph — опыт валидации AI-решений и их "боевого" пилотирования решений — прикладной опыт в использовании LLM, контроле качества ответов и выстраивания графовой архитектуры с использованием LLM tools / MCP — знания математической статистики и основ A/B-тестирования Будет плюсом: — опыт руководства проектами или самостоятельного обеспечения всего цикла производства ИИ-решения от гипотезы до реализации — знание основ финансового анализа и бухгалтеского учета — опыт курирования или наставничества, работа в крупных AI-проектах с смежными командами — английский язык — уровень Intermediate и выше — опыт в проектах, связанных с клиентским опытом / бизнес-анализом / исследованием очень больших данных — опыт использования AI-инструментов в разработке (LLM-ассистенты для написания и ревью кода, агенты для автоматизации рутинных операций, инструменты автодополнения вроде GitHub Copilot) Условия: — возможен гибридный формат работы, локация офиса пр-кт Кутузовский, 32 к3 стрА — 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 — 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.

Location: Colombia, Huila, Colombia; São Paulo, Brazil About Turing Turing’s mission is to accelerate superintelligence to drive real economic progress. Headquartered in San Francisco, Turing works with frontier AI labs to generate high-quality datasets, reinforcement learning environments, and frontier research benchmarks that improve model capabilities in software engineering, enterprise knowledge work, and advanced STEM reasoning. In software engineering, Turing is the largest and longest-running data provider in the category. Turing also works with Fortune 500 enterprises across financial services, life sciences, healthcare, retail, automotive, and CPG to build and deploy end-to-end agentic AI systems inside mission-critical workflows. By operating on both sides, Turing closes the loop between frontier research and enterprise deployment, turning real-world deployment signals into better data, evaluations, and more capable models. Learn more at www.turing.com . Engineering Manager, (Technical Team Lead) Location: Remote, Brazil, Colombia, Argentina Status: Full-time Role Overview As a Engineering Manager (Technical Team Lead) at Turing, you will be a pivotal part of our engineering leadership for AI initiatives. This is not a pure people management role. You will be expected to be hands on: able to operate on the data, organize the stack, set up infrastructure, and personally deliver a project if no one else is available. You will lead a team through a rapid iteration, startup paced environment with high expectations and short timelines, while also driving the technical vision and execution of complex projects. The ideal candidate is someone who takes ownership beyond what their role technically requires, has a track record of delivering under pressure, and is excited by the intensity of a startup environment rather than looking for a more comfortable, longer timescale management track. Key Responsibilities Hands On Technical Ownership: Operate directly on data, organize the technical stack, and set up infrastructure as needed. Be the technical fallback who can personally deliver a project if no one else is online to do it. Guide the team in architecture, design, and implementation of scalable, maintainable codebases. Build and use AI agents, and review the team's agent based work, since this role requires evaluating agent output directly rather than only reviewing human written code. Prompt Generation and Innovation: Lead innovation efforts in product features and processes. Manage idea and prompt collection and prioritization. Drive experimentation and iteration for optimal outcomes. Work Stream Assignment Across Pods: Allocate projects based on skills and performance. Prioritize tasks to meet business goals. Coordinate with cross functional teams for project alignment. Team Throughput and Task Completion: Monitor progress using metrics like velocity and cycle time. Optimize development processes for efficiency. Ensure tasks meet quality standards before deployment. Spot Reviews on Tasks: Perform quality control through task reviews. Provide actionable feedback to maintain high standards. Identify risks early and adjust processes accordingly. Identifying High and Low Performers: Conduct performance analysis through reviews and metrics. Provide mentorship, feedback, and talent management. Identify high performers for advanced roles and support development for others. People and Project Leadership Under Pressure: Lead teams through urgent, high pressure delivery schedules, not just steady state work. Push delivery timelines in a rapid iteration startup context while maintaining quality. Take direct ownership of outcomes, including being responsive when urgent needs arise. Technical Skills Expert level, hands on experience in Node.js, with React and NestJS specifically, including a deep understanding of their ecosystems, libraries, and best practices. Experience with Infrastructure as Code (IaC) and GCP, including setting up and operating cloud infrastructure directly. Ability to build and use AI agents, with enough fluency to review and evaluate a team's agent built work. Experience leading projects that leverage Python for data analysis, backend development, or AI and ML applications, as well as JavaScript and TypeScript for front end and full stack development. Proficiency in data analysis techniques, including statistical analysis, data visualization, and data manipulation using tools like Pandas, NumPy, and SQL. Strong focus on data quality, including data validation, cleansing, and enrichment. Qualifications Bachelor's or Master's degree in Computer Science, AI, Data Science, Data Engineering, or a related field. Electrical engineering backgrounds are acceptable. AI or data science background is a meaningful plus (helps significantly) but not a dealbreaker if diligence and ownership are evident elsewhere. 5+ years of experience in software development. At least 2 years in a leadership role is the bar for an Engineering Manager managing teams of 3 to 6. For this Senior Engineering Manager (Technical Team Lead) role, candidates should have experience managing meaningfully larger teams than that, not just the 5 to 6 person threshold. Proven track record of leading teams through urgent, complicated technical work, ideally in a startup setting, and delivering on time or ahead of time. Demonstrated ownership that exceeds role expectations: a history of taking on more than the job required, high personal output, and strong initiative. Strong problem solving skills, with a focus on delivering results in a fast paced, dynamic environment. Excellent communication and interpersonal skills, with the ability to collaborate effectively across cross functional teams. What Success Looks Like You are the kind of leader who is excited to do this work. You know it will be intense, that you'll manage a lot of people, process, and technology at once, and you welcome it. You have taken on something genuinely hard, led people through it, and can clearly explain what made it difficult and how you delivered — a truly hard technical milestone, reached in a leadership setting, that you're proud of. Values We are client first: We put our clients at the center of everything we do, because their success is the ultimate measure of our value. We work at Start-Up Speed: We move fast, stay agile and favor action because momentum is the foundation of perfection We are AI forward: We help our clients build the future of Al and implement it in our own roles and workflow to amplify productivity. Advantages of joining Turing Work at the frontier of AI , helping the world’s leading AI labs improve their most advanced models by building expert datasets, RL environments, and first-of-a-kind benchmarks. Contribute to leading-edge AI research and showcase your work at top conferences such as ICLR, ICML, and NeurIPS. Bring frontier AI innovation to the enterprise , applying lessons learned from leading AI labs to solve real-world business challenges. Collaborate with and learn from exceptional colleagues with deep AI experience from Google, Meta, Amazon, and other leading technology companies. Move at the pace of AI innovation , with the speed, ownership, and impact of a startup. Turing is proud to be an equal opportunity employer. We do not discriminate on the basis of race, religion, color, national origin, gender, gender identity, sexual orientation, age, marital status, disability, protected veteran status, or any other legally protected characteristics. At Turing we are dedicated to building a diverse, inclusive and authentic workplace  and celebrate authenticity, so if you’re excited about this role but your past experience doesn’t align perfectly with every qualification in the job description, we encourage you to apply anyways. You may be just the right candidate for this or other roles. For applicants from the European Union, please review Turing's GDPR notice here .

Location: London, United Kingdom Workplace: hybrid About us At Xelix, we work with some of the world’s largest companies to automate and strengthen their financial controls. Our AI solutions redefine how Accounts Payable teams operate – moving from manual processes to automated, intelligent workflows. Xelix is a fast-paced scale-up – things move fast and expectations are high. We raised our Series B with Insight Partners in June 2025 and are expanding aggressively. We have a team 150 talented people pulling together to achieve our goals. Everyone is trusted to take ownership, move fast and have a meaningful impact. We prioritise personal and professional growth, keep things fun, and love to celebrate a milestone together. In this role you’ll grow, be challenged and help shape the future of Xelix. If you’re excited about building something special with us, we’d love to hear from you. About the role We are hiring an AI Engineer to join our growing AI Engineering team. You’ll design and build production AI systems — combining machine learning, large language models, and strong engineering — to solve real problems across documents, email, and financial data. We focus on building systems that work reliably in production, not just prototypes. We use modern AI tools extensively in our workflow, enabling engineers to operate at a higher level — focusing on system design, product thinking, and solving complex problems. What you'll be doing AI Systems & Agents: design and build production AI systems — including agent-based workflows, tool use, and multi-step reasoning. Model Development & Adaptation: develop and improve models across text, vision, and structured data, including fine-tuning and hybrid ML + LLM approaches. LLM Platform Work: work with hosted and self-hosted models, contributing to decisions around model selection, performance, and cost. Production Engineering: write clean, maintainable Python and contribute to scalable, observable systems. Evaluation & Iteration: design evals, measure performance rigorously, and improve systems using real-world feedback. AI-Assisted Development: use modern AI coding tools to move faster while maintaining high standards. Collaboration: work closely with product and engineering teams to deliver high-impact features. What you’ll bring Experience: 2–5 years building and shipping ML or AI-powered systems into production. Strong Engineering Skills: clean, testable Python; solid software design; experience working in production environments. AI/ML Breadth: experience with either traditional ML (e.g. gradient boosting) and/or LLM systems (prompting, tool use, evals, agents). Systems Thinking: ability to reason about trade-offs (accuracy, latency, cost, reliability) and design accordingly. Data Skills: SQL, pandas, and experience working with messy real-world data. AI-Native Workflow: comfortable using AI-assisted coding tools effectively. Curiosity & Ownership: proactive in exploring new approaches and improving existing systems. Collaboration: strong cross-functional working style. What we offer in return 💰 Competitive salary of £65,000 to £75,000 depending on experience 🏝️ 27 days of annual leave (including 3 days Christmas closing) which increases up to 3 days based on tenure, with the option to roll over, buy or sell up to 3 days 🏡 Hybrid working with two days a week from our dog-friendly Hoxton office 💪 On-site gym and cycle to work scheme 🛍️ Employee discount at over 100 retailers 🏥 Comprehensive private medical & dental cover with Vitality 🍼 Enhanced parental leave pay 📚 Learning & development culture – £1,000 personal annual budget 🌍 We’re carbon-neutral and are working towards ambitious carbon reduction goals 🎯 Lots of team socials & activities ☀️ Annual team retreat Want to learn more? About us Xelix blog Xelix news Xelix glassdoor We believe that people from diverse backgrounds, with different identities and experiences make our company and product better. No matter your background, we'd love to hear from you! And if you have a disability, please let us know if there's any way we can make the interview process better for you - we're happy to accommodate! If you're a recruiting agency - we have an existing list of agencies we work with if required and we are not currently planning on expanding the list. Neither the Talent team nor hiring managers or the Support team will respond to cold outreach. This is a full-time position, with standard working hours from 9:00 AM to 6:00 PM, Monday through Friday. Interview Process While the exact process may vary slightly depending on the role, our typical interview stages are: Introductory Call – A short Teams conversation with a Talent Partner to discuss your background and the opportunity. Hiring Manager Interview – A 30–45 minute Teams meeting to explore your experience and fit for the team. Technical Task or Presentation – A role-relevant exercise to demonstrate your skills and approach. Final On-site Interview – An in-person meeting with our senior leadership team and co-founders at our office. We strive to make the process clear, efficient, and respectful of your time. We welcome the responsible use of AI for research and interview preparation, but ask that it isn't used to generate answers during live interviews. We also believe in being transparent - we use Metaview's AI note-taker during interviews so our interviewers can stay fully present. If you'd prefer us not to use it, just let your interviewer know. While you may need to answer eligibility questions as part of your application, we do not use AI to review or make decisions on applications - every application is reviewed fairly by a member of our Talent team.

Задачи: — Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. — Проектировать таблицы хранилища: сущности, связи, правила преобразования. — Встраивать псевдоанонимизацию и проверки качества в потоки данных. — Готовить признаки и версионируемые train/validation/test-выборки. — Обеспечивать прослеживаемость и воспроизводимость ML / LLM-экспериментов. — Вместе с ML-командой развивать оценку моделей, подготовку данных для RAG и дообучения. Требования: — Уверенные Python и SQL, поддерживаемый код за пределами ноутбуков. — Практический опыт ETL / ELT: оркестрация, инкрементальная обработка, повторные запуски. — Опыт с S3, Parquet, pandas / Polars / PyArrow. — Понимание жизненного цикла ML: выборки, baseline, метрики, проверка утечек. — Опыт с MLflow, ClearML или аналогами. — Linux, Git, Docker, CI/CD. — Умение работать с чувствительными данными. Условия: — Занятость: full-time — Формат работы: гибридный / удаленный по РФ

Задачи: — Анализировать продуктовые и веб-данные, развивать внутреннюю систему аналитики и помогать командам продукта и бизнеса принимать решения на основе данных. — Обработка входящих аналитических задач от команд и оценка возможностей их решения с помощью внутренней системы аналитики. — Анализ и развитие существующих метрик и функционала системы аналитики. — Подготовка требований к новым метрикам, функционалу и BI-дашбордам. — Анализ данных и поиск причин отклонений ключевых показателей. — Написание SQL-запросов, подготовка выгрузок и проведение ad hoc-аналитики. — Работа с продуктовыми воронками, бизнес-метриками и пользовательским поведением. — Поддержка и развитие существующих дашбордов. — Документирование результатов анализа и взаимодействие с командами продукта, маркетинга и разработки. Требования: — Опыт работы в аналитике от 3 лет в продуктовой или маркетинговой сфере. — Уверенное владение SQL, опыт работы с ClickHouse / PostgreSQL. — Опыт работы с BI-системами: Tableau / Metabase. — Опыт работы с системами веб-аналитики: GA4, Яндекс.Метрика, Amplitude; понимание работы с сырыми данными. — Понимание продуктовых и бизнес-метрик, воронок и фреймворка AARRR. — Опыт взаимодействия с несколькими командами и стейкхолдерами. — Умение самостоятельно вести несколько аналитических задач и доводить их до результата. Будет плюсом: — Опыт работы в iGaming / betting / affiliate / traffic / fintech. — Знание Python (pandas, matplotlib). — Опыт работы с Grafana / Superset. — Опыт работы с A/B-тестами, heatmaps и session recordings. — Понимание SEO и webhook-интеграций. Условия: — Уровень дохода обсуждается на собеседовании. — Официальное оформление по ТК Кипра. — Офисный формат работы (г. Лимассол). — Гибкое начало рабочего дня — с 08:00 до 11:00. — График работы: понедельник–пятница, 8-часовой рабочий день + 30 минут на обед. — Оплачиваемый отпуск 21 рабочий день + 4 дополнительных day off в течение года. — Завтраки и обеды в офисе за счет компании. — Релокационный пакет и визовая поддержка. — 50% компенсация изучения английского языка. — Оплата профессионального обучения. — Внутренние митапы и участие в профильных конференциях. — Образовательные, спортивные и развлекательные мероприятия. — Возможности профессионального и карьерного роста внутри компании.

Задачи: — обработка Excel, PDF и сканов; — извлечение и нормализация данных; — сопоставление данных и поиск расхождений; — интеграция OCR и Document AI; — использование LLM для интерпретации данных; — разработка backend/API; — участие в архитектуре MVP; — работа с обезличенными финансовыми документами. Требования: — Python от 3 лет; — pandas, Excel/CSV; — парсинг PDF; — backend и REST API; — алгоритмы matching, нормализации и очистки данных; — Git; — умение самостоятельно проектировать решения. Будет плюсом: OCR, PyMuPDF, pdfplumber, Camelot, Tabula, fuzzy matching, Document AI, OpenAI/Azure OpenAI/YandexGPT, reconciliation, On-Premise.

Задачи: — Разработка и поддержка пайплайнов. — Проектирование ETL/ELT-процессов для переноса данных из PostgreSQL и других источников в ClickHouse. — Написание надёжных и идемпотентных DAG в Airflow для регулярного обновления витрин данных. — Построение слоёв данных с использованием dbt. — Обеспечение качества данных: тесты, проверка свежести, мониторинг аномалий. — Оптимизация хранилища и производительности. — Тюнинг ClickHouse: настройка схем таблиц под конкретные бизнес-запросы, устранение узких мест. — Оптимизация SQL-запросов для снижения нагрузки на БД. — Управление ресурсами кластера ClickHouse: CPU, RAM, Disk I/O. — Контроль стоимости хранения. — Администрирование и надёжность. — Обеспечение отказоустойчивости: настройка репликации и бэкапов. — Мониторинг состояния пайплайнов и баз данных. — Оперативное реагирование на инциденты. Требования: — Глубокое знание ClickHouse. — Проектирование схем: знание семейства движков MergeTree, выбор ключей партиционирования и сортировки для оптимального сжатия и скорости чтения. — Оптимизация запросов: умение читать планы запросов, оптимизировать потребление памяти, настраивать материализованные представления (Materialized Views) и проекции. — Администрирование: настройка шардирования и репликации, управление TTL, мониторинг слияний. — Инструменты ETL/ELT и оркестрация. — Оркестрация: управление сбором данных через Apache Airflow. — Трансформация: опыт работы с dbt для построения слоев данных. — Языки и инфраструктура. — Python: разработка ETL-скриптов, работа с Pandas, интеграция с API. — SQL: владение на уровне эксперта (аналитические запросы, оптимизация). — Инфраструктура: Docker (для развертывания ClickHouse), Git. Условия: — Удаленная работа из любой точки мира. — Конкурентная зарплата + performance премия 2 раза в год. — Гибкий график и фокус на результат. — Оплата обучения, курсов и конференций. — Возможность реально влиять на продукт и команду.

Задачи: — Делать регулярные отчеты по аннуляциям пломбированных товаров для выставления штрафов на сотрудников склада. — Анализировать оценку эффективности пломб и влияние на выкуп/потери/CR/retention. — Проводить аналитику эффективности операций на участке обработки возвратов на складе по потоку Селект для улучшения процесса. — Выявлять подозрительные экземпляры на основании статистики возвратов и сигналов от клиента. — Расчет объема региональной потребности расходников для дозакупки. — Разрабатывать инструменты мониторинга и алертов для оперативного контроля бизнеса. Требования: — Высшее образование (техническое или экономическое). — Уверенный уровень владения SQL, Python (Pandas, Numpy, Prophet), Excel (Power Query, Power Pivot). — Понимание принципов анализа данных, структуры данных и связи между ними. — Умение автономно работать. — Желание вникать в бизнес-процессы, стремление задавать вопросы и искать на них ответы.

Location: Bulgaria, Hungary, Poland Why Join Exadel We’re an AI-first global tech company with 25+ years of engineering leadership, 2,000+ team members, and 500+ active projects powering Fortune 500 clients, including HBO, Microsoft, Google, and Starbucks. From AI platforms to digital transformation, we partner with enterprise leaders to build what’s next. What powers it all? Our people are ambitious, collaborative, and constantly evolving. About the Client The leading provider of vehicle lifecycle solutions, with headquarters in Chicago, enables the companies that build, insure, and replace vehicles to power the next generation of transportation. Its platform delivers advanced mobile, artificial intelligence, and car technologies. It connects a network of 350+ insurance companies, 24,000+ repair facilities, hundreds of parts suppliers, and dozens of third-party data and service providers. The customer's collective solutions enhance productivity and help clients deliver better experiences for end consumers. What You’ll Do Design and implement end-to-end document intelligence pipelines on AWS Develop and optimize ML models for document classification, segmentation, and field extraction Build scalable data processing systems handling PDFs up to 2000 pages Collaborate with subject matter experts to create and refine requirements for extraction Own features from research through production deployment and monitoring Establish evaluation frameworks and quality metrics for extraction accuracy What You Bring Advanced knowledge of Python (native, Pandas, ScikitLearn, Tensorflow or Pytorch, PyStats, Pydantic) Experience with AWS tools for ML Engineering and ML deployment (Sagemaker, Lambda, Cloudformation/CDK, Step Functions) Advanced knowledge of SQL and Data Modeling Experience with GenAI for document intelligence, including prompt engineering, RAG (Retrieval Augmented Generation), multi-modal models (vision + text), and production deployment using AWS Bedrock or Azure OpenAI APIs Experience in experiment design (power analysis and hypothesis testing) Proficiency in both written and verbal communication, required for a remote and largely asynchronous work environment Demonstrated capacity to clearly and concisely communicate complex technical problems and propose iterative solutions Experience owning a feature from concept to production, including proposal, discussion, and execution Nice to have Experience with document processing tools (AWS Textract, Azure Document Intelligence, or similar OCR/layout detection systems) Experience with PDF and Image processing libraries (e.g. PyMuPDF, opnecv, pillow) Experience in Machine Learning/ Data Science (e.g., ML algorithm selection, feature engineering, model training, hyperparameter tuning, supervised and unsupervised learning implementation, building a model pipelines, using Machine Learning tools/libraries/frameworks) Experience working with AWS big data technologies (Redshift, S3, EMR, Glue, etc.) English Level Upper-intermediate Legal & Hiring Information Exadel is proud to be an Equal Opportunity Employer committed to inclusion across minority, gender identity, sexual orientation, disability, age, and more. Reasonable accommodations are available to enable individuals with disabilities to perform essential functions. Please note: this job description is not exhaustive. Duties and responsibilities may evolve based on business needs. Compensation details are shared with candidates at the early stage of the recruitment process. The offer is not binding until a signed contract is in place. Your Benefits at Exadel Exadel benefits vary by location and contract type. Your recruiter will fill you in on the details. International projects In-office, hybrid, or remote flexibility Medical healthcare Recognition program Ongoing learning & reimbursement Well-being program Team events & local benefits Sports compensation Referral bonuses Top-tier equipment provision Exadel Culture We lead with trust, respect, and purpose. We believe in open dialogue, creative freedom, and mentorship that helps you grow, lead, and make a real difference. Ours is a culture where ideas are challenged, voices are heard, and your impact matters.

Задачи: — Разработка микросервисов управления данными Модели Космической Системы — Разработка пайплайнов обработки данных ETL/ELT — Интеграция вычислительных модулей (микросервисов) — Реализация процессов контроля качества данных — Разработка моделей данных и согласование дата-контрактов — Работа с СУБД Postgres, Clickhouse — Обработка и анализ данных в Pandas, NumPy, Polars Требования: — Инженерное или техническое образование (обязательно) — Опыт разработки на Python от 3х лет, на позиции Middle - от 1 года — Опыт работы с библиотеками для анализа данных: Pandas, NumPy, Polars — Понимание принципов проектирования и работы с хранилищами данных — Опыт работы с базами данных PostgreSQL, ClickHouse — Опыт работы с инструментами ETL/ELT (например, Airflow, Dagster, PandasETL) — Понимание принципов работы систем потоковой обработки данных — Опыт в разработке веб-приложений (FastAPI) — Опыт работы с контейнерами Docker — Опыт работы с инструментами командной разработки: Confluence, Jira, Git

О нас Blackpires — бренд одежды с собственным производством. Продаём на Wildberries, Ozon и Lamoda. Сейчас в ассортименте около 180 товаров, в 2027 году будет больше 400. Мы растём и хотим управлять бизнесом по данным, а не по ручным выгрузкам в Excel. Ищем человека, который построит это вместе с нами. Задачи: — Подключать API Wildberries, Ozon, Lamoda и МоегоСклада и настраивать автоматическую ежедневную загрузку данных. — Собрать единый справочник товаров: артикулы маркетплейсов, баркоды, себестоимость. — Автоматизировать расчёты: маржа по каждому товару, остатки и оборачиваемость, потребность в дозаказе, рекомендации по ценам. — Делать отчёты и дашборды для руководства и отдела продаж. — Автоматизировать рутину: регулярные отчёты, уведомления в Telegram, выгрузки. — Превратить прописанную логику расчётов и правила в работающую систему и развивать её дальше. Требования: — Писать код с помощью AI-инструментов (Claude Code, Cursor, ChatGPT и т.п.) и понимать, что делает сгенерированный код. — Уметь проверить и исправить сгенерированный код. — Python на базовом уровне: запросы к API, работа с JSON, pandas. — Базовый SQL или уверенная работа с Google Sheets (формулы, сводные таблицы). — Наличие хотя бы одного собственного проекта с работой с чужим API, который можно показать на собеседовании. — Внимательность к цифрам: сверять результат с источником перед утверждением готовности. — Самостоятельность: разбираться в документации, не бояться задавать вопросы. Будет плюсом: — Опыт работы с API Wildberries или Ozon, работа у селлера или в агентстве, которое ведёт магазины на маркетплейсах. — Понимание экономики маркетплейсов: комиссия, логистика, выкуп, СПП. — Знание Google Apps Script, Yandex DataLens или Looker Studio. — Опыт с Git, PostgreSQL, работой с сервером (VPS, cron). — Опыт создания Telegram-ботов. Условия: — Полностью удалённая работа. — Оплата AI-инструментов и серверов. — Работа напрямую с операционным директором: быстрые решения, без бюрократии. — Реальное влияние на бизнес и быстрый рост. — Возможность вырасти в руководителя направления автоматизации.

Location: Москва Мы строим мультиагентную систему для раннего выявления рисков в сегменте микро- и малого бизнеса - систему, где AI-агенты анализируют данные, находят сигналы ухудшения и помогают бизнесу принимать решения в режиме, близком к реальному времени. Это не просто аналитика и не просто ML - это новая архитектура работы с рисками: от данных к автономным интерпретациям и рекомендациям. Мы ищем дата-аналитика, который хочет работать на переднем крае: разрабатывать и обучать AI-агентов, собирать сложные пайплайны данных и участвовать в создании системы, которая масштабируется на весь портфель. Обязанности * разработка и внедрение AI-агентов на базе LLM (Python, LangChain, LangGraph) * проектирование и внедрение мультиагентной платформы для обработки больших объемов данных о деятельности субъектов малого и микробизнеса * создание механизмов автоматического мониторинга и выявления ранних признаков риска возникновения просроченной задолженности среди клиентов сегмента ММБ * организация работы команды специалистов по разработке AI-решений: формирование требований, контроль качества выполнения проектов и своевременность исполнения задач * разработка методологии и инструментов автоматизированного когортного анализа клиентского портфеля малого и микробизнеса * подготовка прогнозных моделей, основанных на искусственном интеллекте, позволяющих своевременно реагировать на изменения состояния клиентской базы * взаимодействие с профильными департаментами компании для согласования подходов к обработке данных и интеграции решений. Требования * высшее образование в области математики, статистики, экономики, информационных технологий или смежных областях * опыт работы с различными LLM * опыт разработки агентов * 3+ года Python, опыт async-сервисов, знание современных библиотек Data Science (Pandas, Scikit-Learn, TensorFlow) * глубокое знание SQL и оптимизации запросов * опыт prompt-инжиниринга и настройки LLM-инференса * глубокое понимание принципов построения мультиагентных систем и опыта их практического внедрения * знание методик когортного анализа и умение строить прогнозы финансовых показателей портфелей малого и микробизнеса. Будет преимуществом: * опыт руководящей должности от двух лет в проектах, связанных с обработкой больших данных, построением аналитических моделей и управлением рисками * понимание специфики сектора малого и микробизнеса в российских условиях, особенностей финансового поведения данной категории заемщиков * наличие успешных кейсов разработки AI-продуктов и решений для кредитных организаций * опыт реализации крупных интеграционных проектов в финансовой сфере * навыки работы с зарубежными аналоговыми системами и технологиями в рамках международного сотрудничества. Условия * комфортный современный офис рядом с м. Кутузовская / Тульская * офисный формат работы * ежегодный пересмотр зарплаты * 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 * 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: — разработка, тестирование и внедрение ИИ-агентов (в том числе LLM-as-a-Judge) и классических ML-моделей для оценки качества, детекции аномалий, прогнозирования деградации и автоматической локализации причин сбоев — исследование и внедрение новых подходов в области настройки LLM, LLM-as-a-Judge и RAG, чтобы сделать мониторинг точнее, стабильнее и понятнее — ведение проекта по полному циклу: от идеи и прототипа до рабочего решения в проде, его тестирования и поддержки — проектирование пайплайнов для работы с данными (трейсами агентов) и обучения моделей, интегрируя их в нашу MLOps экосистему — взаимодействие с командами разработки и валидации ИИ-агентов, MLOps для интеграции решений и формирования лучших практик. Требования: — глубокое знание математической статистики, алгоритмов классического ML и архитектур нейросетей — опыт работы от 5 лет в роли Data Science / Machine Learning с полным циклом разработки — от исследований и прототипирования до внедрения в прод и мониторинга — опыт проведения аналитических исследований (R&D): умение самостоятельно изучать проблемную область, формулировать и проверять гипотезы, выбирать и адаптировать state-of-the-art методы под задачи проекта — уверенное владение стеком технологий для анализа, экспериментов и разработки: NumPy, Pandas, Polars, Scikit-learn, XGBoost, LightGBM, CatBoostOptuna / Hyperopt — навык написание чистого, модульного кода на Python, понимание принципов SOLID, опыт работы с Git. Будет преимуществом: — опыт разработки ИИ-агентов / агентных систем, понимание принципов их работы, коммуникации и оркестрации — опыт работы с трейсами и метаданными ИИ-агентов (OpenAI, Arize Phoenix, LangSmith) — опыт работы с векторными базами данных — знание observability-стека (OpenTelemetry, Prometheus, Grafana) для мониторинга ML-систем — публикации или значимый вклад в open-source в области ML/NLP/LLM. Условия: — комфортный современный офис: г. Москва, метро Кутузовский пр. — формат работы– офис, по согласованию с руководителем возможно выполнение пула задач в гибридном формате — 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 — расширенный ДМС (медицинское страхование), льготное страхование для семьи — ипотека для сотрудников — бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров — вознаграждение за рекомендацию друзей в команду Сбера.

Команда «Мотивационный профиль» создает новый подход к работе с клиентом, который позволит перейти от классической персонализации к более глубокому пониманию человека на основе психологии. Мы извлекаем из данных психометрические характеристики — ценности, страхи, особенности характера и принятия решений — и используем их в продуктах банка и экосистемы. Для построения мотивационного профиля мы используем анкеты, подробные интервью, поведенческие и транзакционные данные. Работаем с известными психометрическими методиками и подходами, разработанными исследовательской командой. Одна из ключевых задач — научиться надежно определять психометрические характеристики на ограниченных выборках, масштабировать их на широкую клиентскую базу и использовать в рекомендательных сценариях и моделировании клиентских реакций. Задачи: — работать с таргетами, полученными из анкет и интервью с помощью экспертной и LLM-разметки — подбирать постановку задачи в зависимости от объема и качества данных: supervised learning, weak supervision, few-shot и другие подходы — сравнивать методы моделирования — от rule-based решений и классического ML до моделей на основе embeddings и LLM — обучать модели для предсказания психометрических и поведенческих характеристик клиента — масштабировать характеристики, доступные для ограниченной выборки клиентов, на широкую клиентскую базу — оценивать модели как по стандартным ML-метрикам, так и по тому, насколько хорошо их результаты работают в прикладных сценариях - сегментации, персонализации и моделировании поведения клиента — работать с неструктурированными данными, в том числе с текстами глубинных интервью — строить пайплайны обработки текста: чанкинг, построение эмбеддингов, кластеризация и извлечение признаков — сопоставлять информацию из текстов с поведенческими и транзакционными данными — проверять качество разметки и данных, анализировать смещения выборки и устойчивость полученных признаков — оценивать репрезентативность обучающей выборки и возможность переноса результатов на широкую клиентскую базу. Требования: — опыт работы Data Scientist / ML Engineer от 2–3 лет — уверенное знание Python и стандартного DS/ML-стека: pandas, numpy, scikit-learn, CatBoost / LightGBM / XGBoost — опыт построения supervised ML-моделей для табличных данных — хорошее понимание задач классификации, регрессии и ранжирования — опыт работы с текстовыми данными и NLP: embeddings, sentence-transformers, кластеризация, классификация текстов, семантический поиск — понимание основных подходов к работе с LLM: prompting, few-shot, zero-shot, LLM-разметка и оценка качества LLM-ответов — умение проектировать метрики и схемы offline-валидации для нестандартных задач — умение работать с неоднозначными таргетами, шумной разметкой и неполными данными — уверенная работа с большими данными — способность переводить бизнес-гипотезу в ML-задачу: формализовать постановку, определить требования к данным и метрикам, учесть ограничения и сформулировать критерии успешности — умение понятно объяснять результаты как ML-специалистам, так и продуктовой команде. Условия: — комфортный современный офис рядом с 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 — 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: — Разработка ML-моделей (подготовка данных, выбор решения, обучение, тесты, запуск в production-среде, в основном classic ML); — Сопровождение ML-решений (мониторинг сервисов и моделей, отслеживание дрейфа данных, работа над развитием); — Оценка влияния на бизнес предложенных решений; — Подготовка признаков для feature store (используем Feast); — Взаимодействие с DA/DE/DevOps для улучшения и автоматизации процессов. Требования: — Участие в проектах по обучению и внедрению моделей машинного обучения в роли data scientist, ML инженера; — Наличие разработанных моделей в проде; — Опыт в создании дэшбордов, поисках инсайтов для бизнеса; — Понимание работы базовых ML-алгоритмов; — Знание метрик машинного обучения и их интерпретации; — Уверенное владение Python (в частности, библиотеки numpy, pandas, sklearn, catboost, xgboost); — Опыт написания запросов на SQL; — Общее представление об A/B-тестах; — Навыки работы с Git; — Опыт самостоятельного обучения и вывода моделей в production; — Умение интерпретировать результаты модели (shap, lime). Желательно: — Навыки построения пайплайнов обработки данных с использованием pyspark; — Опыт проведения A/B-экспериментов; — Знакомство с MLFlow, dvc; — Наличие представления о REST API (плюсом будет опыт работы с FastAPI); — Опыт работы с Docker; — Представление о различных источниках данных: реляционные базы данных, Redis, Hive, Kafka; — Опыт работы в qlikview, superset. Условия: — Работа в профессиональной команде, которая готова делиться знаниями и опытом; — Возможность внешнего обучения и прокачки скиллов за счет компании; — Забота о сотрудниках: возможность прохождения медицинских chek-апов, бесплатные консультации с финансовыми консультантами, юристами и психологом; — Поддержка и развитие культуры ЗОЖ; — Социальный пакет, включающий ДМС, скидки на страховые продукты компании, скидки от партнеров (туризм, фитнес и т.д.); — Обеспечение техникой для работы; — Гибридный график работы 5\2 (гибкое начало дня с 8 до 10).

Задачи: — Оценка целей бизнес задач, бизнес метрик, алгоритмов и методов машинного обучения, имеющихся и необходимых данных. — Формирование и проверка гипотез. Требования: — Опыт 3+ года. — Уверенное владение Python. — Опыт работы с Data Science библиотеками и фреймворками такими как pandas, sklearn, scipy.