Вакансии

О нас за минуту DV Group — это eRetail маркетинг. У нас две собственные платформы: CDP (DV Platform) — сегментирует покупателей по чековым данным, MAID, строит Sales Lift. DSP (DV Programmatic) — закупает трафик в RTB с таргетингом на реальных онлайн-покупателей (не на интересы). Уникальная интеграция с ПБД. Что предстоит делать Разработка и внедрение ML-моделей Анализ больших объемов данных Построение recommendation / prediction моделей Подготовка и очистка данных Проведение A/B тестов Написание сложных запросов ClickHouse и их оптимизация Взаимодействие с frontend-разработчиками, backend-разработчиками, аналитиками, product-менеджером и DevOps Кто нам нужен Python, SQL, Spark, ClickHouse pandas, numpy, scikit-learn Опыт работы с ML-моделями Работа с оркестраторами (Dagster, Airflow) и Kubernetes Понимание статистики и теории вероятностей Способность разрабатывать надежные ETL пайплайны Что предлагаем Зарплата: 200 000 – 220 000 ₽ оклад net + годовая премия Формат: гибрид или полная удалёнка, но ты проживаешь в РФ График: 10:00–19:00 ДМС со стоматологией после испытательного срока, локация Москва Свой бариста в офисе и правда классный Экспертная среда — никакой скуки, только реальные AdTech-задачи и возможность влиять на продукт Продукт в реестре отечественного ПО — это важно для нас и для клиентов.

Location: United Kingdom; Brazil; Ireland; Romania; Cyprus; Portugal; Lithuania; Czech Republic; Canada; Poland Workplace: Remote BUILDING THE FUTURE OF OPEN FINANCE Payward - the parent company behind Kraken, NinjaTrader, Breakout, xStocks, Payward Services and CF Benchmarks - has spent the last 15 years building one of the most modern and globally accessible financial infrastructure platforms in the industry, built to advance an open, global financial system. THE TEAM Founded in 2011, Kraken is one of the world's longest-standing crypto platforms, trusted by over 10 million individuals and institutions across the globe. It offers spot trading, margin, futures, staking, and OTC services, with products built for both individual investors and institutional clients.   We're looking for a Data Analyst, Regulatory Analytics and Reporting to join our team remotely! The #1 goal of this role is to turn complex compliance and regulatory data into clear, actionable insights that protect the business, satisfy regulators, and support senior leadership in making high-stakes decisions. You'll work at the intersection of data engineering, regulatory reporting, and compliance operations in a fast-paced, high-scrutiny environment where accuracy and audit-readiness are non-negotiable. Beyond technical expertise, success in this role depends on being a true business partner who combines data-driven insights with deep knowledge of compliance regulations and frameworks. You'll own end-to-end data management from building and maintaining datasets and pipelines to designing dashboards and insights for compliance and leadership teams. You will also automate compliance processes and workflows to boost efficiency and minimize human error. If you combine exceptional data analysis expertise with solid knowledge of compliance regulations, a keen eye for regulatory risk, and the drive to shape the future of crypto with a top-tier brand - this is your next mission!   THE OPPORTUNITY - Own the design of dashboards, compliance metrics, and regulatory reports, turning data into actionable insights for stakeholders, cross-functional partners, and regional compliance officers - Automate end to end compliance related data solutions, governance controls, and automations to boost efficiency and minimize manual intervention - Dive into large, complex datasets to turn findings into scalable, audit-ready data models that facilitate regulatory reporting and analytics - Translate regulatory and business requests into accurate reports and automated data pipelines using Python, SQL, DBT and Airflow - Lead cross-functional projects with analysts, engineers, and compliance teams to build and maintain high-quality data pipelines and sources - Coordinate client data quality monitoring by identifying issues, flagging remediations, and partnering with responsible teams to ensure timely resolution - Support ad-hoc data requests for audits, exams, risk assessments, and day-to-day business needs - Deliver insights that shape compliance direction through clear, data-driven storytelling   WHAT YOU BRING - 5+ years of experience in data analysis and data management within financial services or a regulated industry, with hands-on experience in compliance and regulatory reporting across frameworks such as AML, KYC, Sanctions, MiCA, or MiFID - Solid understanding of regulatory risk and the ability to operate effectively in high-scrutiny, audit-ready environments - Expert SQL skills including complex joins, CTEs, and analytical functions, paired with proficiency in Python libraries such as pandas, matplotlib, and plotly - Hands-on experience using dbt or similar tooling to model and organize high fidelity data for reporting and decision-making - Experience setting up and managing data pipelines with a strong understanding of data workflow orchestration - Proficiency with BI and data visualization tools such as QuickSight, Power BI, or Superset to build executive-facing dashboards - Strong communicator who can simplify complex data ideas for both technical and non-technical audiences - Alignment with the values outlined in Kraken's Tentaclements document   NICE TO HAVES - Degree in Mathematics, Statistics, Finance, Information Systems, or a related technical field - Passion for continuous learning and approaching problems with a beginner's mindset - Solid understanding of the cryptocurrency space and how financial markets function Unless a specific application deadline is stated in the job posting, applications are accepted on an ongoing basis. Please note, applicants are permitted to redact or remove information on their resume that identifies age, date of birth, or dates of attendance at or graduation from an educational institution. We consider qualified applicants with criminal histories for employment on our team, assessing candidates in a manner consistent with the requirements of the San Francisco Fair Chance Ordinance. OUR COMMITMENT Payward is powered by people from around the world and we celebrate the diverse talents, backgrounds, contributions, and unique perspectives that everyone brings to the table. We hire based on merit, seeking out people with the right abilities, knowledge, and skills for the job. We encourage you to apply for roles where you don't fully meet the listed requirements, especially if you're passionate or knowledgeable about crypto. We may ask candidates to complete job-related skills or work-style assessments as part of our hiring process. These assessments evaluate competencies relevant to the role and are applied consistently across candidates for similar positions. Results are considered alongside experience and interviews, and are not the sole basis for any employment decision. As an equal opportunity employer, we don't tolerate discrimination or harassment of any kind, whether based on race, ethnicity, age, gender identity, citizenship, religion, sexual orientation, disability, pregnancy, veteran status, or any other protected characteristic as outlined by federal, state, or local laws. Stay connected Follow us on X https://twitter.com/krakenfx Learn on the Kraken Blog https://blog.kraken.com/#:~:text=Enter%20your%20email%20address Connect on LinkedIn https://www.linkedin.com/company/kraken-exchange/ Candidate Privacy Notice https://www.kraken.com/legal/candidate-privacy-notice

Требования: — 2–3+ года опыта работы BI Analyst, Data Analyst или в аналогичной аналитической роли. — Практический опыт работы с SQL-ориентированными хранилищами данных, особенно Google BigQuery. — Продвинутые навыки SQL (BigQuery/PostgreSQL). — Сильные навыки Python, особенно Pandas и NumPy. — Свободное владение английским языком. Компания SEARADAR — европейская платформа для аренды яхт, которая помогает яхтсменам находить и бронировать парусные яхты и катамараны в более чем 20 направлениях.

Задачи: — сбор, анализ и формализация бизнес- и технических требований к VoIP-продуктам — проработка и согласование решений с архитекторами, разработчиками, QA и продуктовыми менеджерами — подготовка и ведение технической и пользовательской документаций (ТЗ, описание интеграций, API) — проектирование и описание интеграций между системами, участие в проектировании архитектуры сервисов — контроль реализации требований на всех этапах жизненного цикла разработки — участие в приемо-сдаточных испытаниях продукта. Требования: — опыт работы системным/бизнес-аналитиком в IT от 2 лет — понимание принципов работы VoIP, протоколов (SIP, RTP, WebRTC), телефонии — опыт работы с REST API, JSON, XML — опыт работы с UML (диаграммы последовательностей, классов и др.) — понимание принципов микросервисной и монолитной архитектуры, синхронного и асинхронного взаимодействия — навыки декомпозиции требований, управления приоритетами — опыт написания технической и пользовательской документаций — высокий уровень коммуникативных навыков, умение работать в команде Будет плюсом: — опыт работы с Python, NumPy, Pandas — понимание основ AI, LLM, ML, опыт работы с AI моделями, агентами. Условия: — локация: Москва, м.Кожуховская (БЦ "Южный порт") — конкурентная заработная плата: оклад + годовая премия и ежегодный пересмотр зарплаты — график работы – 4 дня офис / 1 удалённо — масштабные и интересные задачи в Agile-команде — социальный пакет: ДМС, страхование, льготное кредитование — бесплатный тренажерный зал и спортивные групповые занятия, бассейн — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — бесплатная подписка СберПрайм для сотрудников с возможностью подключить близких — профессиональный и позитивный коллектив.

Требования: — Уверенное владение SQL (сложные запросы, оконные функции, JOIN-ы, агрегации) и Python (библиотеки Pandas, NumPy, матплотлиб/сиборн). — Опыт анализа моделей данных и источников данных. — Понимание Data Lake, DWH, ETL/ELT. — Структурное мышление, самостоятельность. Задачи: — Собирать, обрабатывать и трансформировать данные из различных источников для анализа. — Разрабатывать, поддерживать и актуализировать дашборды и регулярные отчеты в BI-системах. — Проводить ad-hoc исследования по запросам бизнеса, находить причины аномалий и точки роста. — Участвовать в проектировании витрин данных совместно с инженерами. — Переводить бизнес-задачи на язык цифр и понятно презентовать результаты анализа для команды. Условия: — Работа в современной IT-компании и участие в технологичных проектах. — Работа над проектами в области Data Lake и AI. — Возможность работать с современным стеком технологий и развиваться в направлении Data & AI. — Взаимодействие с сильной командой Data Engineers, AI Engineers, архитекторов и разработчиков. — Профессиональный и карьерный рост внутри компании. — Обучение и развитие технических и аналитических компетенций. — Участие в реализации крупных и перспективных проектов.

Ищем Python-разработчика / AI Engineer уровня Middle+ / Senior на проект по автоматизации обработки и сверки финансовых документов. Проект связан с разработкой сервиса, который будет принимать акты сверки и внутренние выгрузки, извлекать из них данные, сопоставлять документы, находить расхождения и формировать понятный результат для пользователя. Задачи: — Разбирать и обрабатывать документы в форматах Excel, PDF и сканы. — Извлекать табличные данные из документов. — Нормализовать даты, номера документов, суммы и другие поля. — Проектировать и реализовывать логику сопоставления данных. — Выявлять расхождения между двумя источниками. — Обрабатывать сложные кейсы: разные периоды, отличающиеся номера, частичные совпадения и другие неоднозначные ситуации. — Интегрировать OCR и Document AI-инструменты. — При необходимости использовать LLM для интерпретации и формирования человекочитаемых объяснений. — Разрабатывать backend/API для сервиса. — Участвовать в проектировании архитектуры MVP. — Работать с реальными обезличенными финансовыми документами и тестировать качество решения на исторических данных. Требования: — Коммерческий опыт разработки на Python от 3 лет. — Уверенное владение Python. — Опыт работы с pandas и табличными данными. — Опыт обработки Excel / CSV. — Опыт парсинга PDF. — Опыт разработки backend-сервисов и REST API. — Понимание алгоритмов сопоставления, нормализации и очистки данных. — Умение проектировать решение самостоятельно, а не только работать по готовому ТЗ. — Опыт работы с Git. Будет большим плюсом: — Опыт с OCR: Tesseract, PaddleOCR или аналогами. — Опыт с PyMuPDF, pdfplumber, Camelot, Tabula. — Опыт с fuzzy matching. — Опыт работы с Document AI / Intelligent Document Processing. — Интеграция LLM API: OpenAI, Azure OpenAI, YandexGPT или аналогов. — Опыт разработки систем reconciliation / data matching. — Опыт работы с финансовыми, бухгалтерскими или другими структурированными документами. — Опыт On-Premise решений. — Опыт построения решений, где нужно сочетать детерминированную бизнес-логику и AI. Что здесь не требуется: — Мы не ищем классического Data Scientist и не планируем обучение собственных ML-моделей с нуля. В проекте важнее: — сильная прикладная Python-разработка; — работа с документами и данными; — построение надежной логики сопоставления; — понимание, где действительно нужен AI, а где лучше использовать обычные алгоритмы. О проекте: — На первом этапе планируется разработка MVP без глубокой интеграции с внутренними учетными системами. — Базовый сценарий: пользователь загружает акт сверки и внутреннюю выгрузку, система извлекает и нормализует данные, выполняет сопоставление, показывает совпадения и расхождения, формирует структурированный результат для пользователя. — Ожидаемый результат — рабочий прототип, который можно проверить на реальных исторических данных. Условия: — Удалённая работа. — Проектная занятость / аутстафф. — Возможна полная или частичная загрузка — обсуждается индивидуально. — Проект стартует с этапа MVP, с возможностью продолжения. — Работа в составе небольшой проектной команды. Ожидаемый уровень: Middle+ / Senior Нам нужен специалист, который сможет самостоятельно разобраться в предметной области, предложить техническое решение и довести его до рабочего результата. Будет преимуществом в отклике: — опыт похожих задач: обработка документов, OCR, reconciliation / matching, financial data processing, Document AI, LLM-интеграции. — указание текущей доступности, возможной загрузки в часах в месяц, часовой ставки, формата работы (ИП / самозанятый / другой).

Задачи: — Строить конвейеры подготовки данных: сбор, очистку, нормализацию, дедупликацию и разметку — Формировать обучающие, валидационные и независимые оценочные выборки, контролировать утечки и пересечения — Создавать baseline для задач извлечения, классификации, определения сущностей и связей — Дообучать модели, готовить инструктивные наборы, обучать адаптеры и сравнивать результаты с базовыми моделями — Определять метрики, стратифицировать выборки и анализировать ошибки по типам документов, сценариям и полям — Работать с извлечением сущностей и связей для построения и обновления графового представления данных — Разворачивать локальный inference и оптимизировать его под доступную инфраструктуру — Работать с tensor parallelism, batching, длиной контекста, GPU-памятью и квантованием Требования: — Стек: Python, PyTorch, Hugging Face Transformers, PEFT, pandas, SQL, PostgreSQL, Airflow (или аналог), MLflow (или аналог), vLLM, CUDA, Docker, Kubernetes

Компания Alif Tech — международная финтех-компания, работающая на рынках Узбекистана, Таджикистана, Пакистана, Великобритании и ОАЭ. Стек: Python (pandas, numpy), XGBoost/LGBM/CatBoost, SQL, Airflow, базовый DL. Формат работы: офис (предпочтительно), возможен гибрид или удалённая работа.

О проекте: Развитие Платформы по работе с большими данными. ML моделирование в области: B2C, B2B, B2O, Инвестиционного планирования. Стек: Языки/библиотеки: Python (pandas), SQL, Spark; BI-инструменты. Что мы ожидаем: Высшее образование (в области математики, статистики, компьютерных наук, экономики или смежных дисциплин). Опыт работы от 3-х лет в области аналитики данных или Data Science. Опыт менторства/ управления командой. Технические навыки: Владение языком программирования Python. Навыки работы с SQL для работы с базами данных. Опыт работы с инструментами визуализации (Grafana, Apache Superset и др.). Базовые знания в области Machine Learning (классификация, регрессия, кластеризация). Опыт работы с большими данными (например, Spark, Hadoop) будет плюсом. Бизнес-навыки: Умение работать с бизнес-требованиями и преобразовывать их в технические задачи. Навыки интерпретации сложных технических метрик для бизнес-пользователей. Умение выявлять точки роста и предлагать улучшения на основе данных. Личные качества: Аналитический склад ума, внимательность к деталям. Коммуникабельность и умение работать в команде. Проактивность и готовность брать ответственность за проекты. Чем предстоит заниматься: Анализ бизнес-требований. Взаимодействие с заказчиком для определения целей проекта и ключевых бизнес-показателей. Перевод бизнес-задач в технические требования для команд аналитики и Data Science. Работа с источниками данных: поиск, доступ и работа с системами-источниками данных. Ведение документации по структуре и качеству данных. Выявление узких мест в системах источников данных совместно с заказчиком. Обработка и подготовка данных: анализ данных на предмет релевантности, очистки, трансформации и выявления аномалий. Взаимодействие с командой Data Science для оптимизации процессов подготовки данных. Аналитика и выявление закономерностей: проведение статистического анализа и визуализация данных. Поиск закономерностей, трендов и аномалий в данных. Разработка гипотез и проведение тестов: формулирование гипотез, связанных с прогнозированием и анализом данных. Организация и проведение A/B-тестов или других методов проверки гипотез для подтверждения идей. Поддержка разработки ML-моделей: оценка применимости данных для ML-подходов. Помощь в сборе и формировании признаков (фич) для моделей прогнозирования. Коммуникация с командой Data Science и бизнесом: передача и разъяснение бизнес-требований для команды Data Science. Помощь в интерпретации результатов анализа и моделей в контексте бизнес-целей. Разработка дашбордов и визуализация данных: создание, поддержка и оптимизация дашбордов для мониторинга ключевых метрик и результатов моделей. Использование инструментов визуализации (например Grafana, Apache Superset) для наглядного представления данных и выводов. Мониторинг результатов моделей: регулярный анализ эффективности моделей и их влияния на бизнес-процессы. Проведение пост-исследований для оценки долгосрочного воздействия внедрённых решений. Условия: Удаленный или гибридный формат работы. Возможность принимать участие в конференциях, проходить обучение за счет компании. Полностью "белая" заработная плата: оклад + годовая премия. Кафетерий льгот. Гибкий график работы: начало работы с 08:00 до 10:00 МСК, окончание - с 17:00 до 19:00 МСК, выходные Сб-Вс.

Задачи: — Разработка и внедрение ML-моделей прогнозирования спроса (временные ряды, градиентный бустинг, нейросети) на уровне SKU; — Автоматизация пайплайнов ретрайна и мониторинга качества прогнозов в продакшене с использованием MLflow, Airflow, Docker; — Интеграция внешних факторов (промо, погода, сезонность, макроэкономика) и сценарное "what-if" моделирование; — Согласование иерархических прогнозов для оптимизации запасов в цепочке поставок (дефицит ↔ перепроизводство). Требования: — Уверенное владение Python (Pandas, NumPy, Scikit-learn); — Продвинутый уровень SQL (оконные функции, CTE, оптимизация запросов); — Опыт работы с Big Data: PySpark (распределённые данные > 100 ГБ); — Знания MLOps: Airflow / Prefect, MLflow / Weights & Biases, Docker, CI/CD; — Опыт работы с облачными платформами: AWS (SageMaker, S3, Redshift) или Azure / Yandex Cloud; — Знания статистики: теория вероятностей, проверка гипотез, A/B-тестирование, байесовские методы; — Бизнес-ориентация: понимание метрик (WMAPE, Fill Rate, оборачиваемость) и их влияния на P&L; — Умение объяснять сложные вещи простым языком нетехническим менеджерам и закупщикам; — Проактивность: самостоятельный поиск гипотез и точек роста, а не просто выполнение ТЗ; — Стрессоустойчивость: работа с "грязными" данными и умение отстаивать качество прогнозов перед бизнесом. Условия: — Работа в офисе у м. Кунцевская, бизнес-центр Kutuzoff Tower; — График работы 5/2 с 09:00 до 18:00; — Официальное оформление по ТК РФ, официальная зарплата с больничными и отпусками; — Заработная плата обсуждается на собеседовании; — Корпоративные скидки на продукцию компании (алкоголь); — Подарки сотрудникам и их детям на праздники.

Location: New York, NY (HQ); Remote (US) Workplace: Hybrid ABOUT RAMP Ramp is building the smart infrastructure for finance teams, embedded in the transaction flow of every dollar a business spends. We automate how over $275B in annualized spend flows in and out of 85,000+ companies: authorizing payments, flagging risk, categorizing spend, and closing books. The problems are high-stakes, data-dense, and unforgiving. We hire people with high agency and high urgency. We look for slope over intercept. We care less about where you trained and more about what you’ve built. At Ramp, everyone is a builder who owns problems end to end and makes consequential decisions that shape the outcome. The median Ramp customer saves 7.5% and grows revenue 16% in their first year – far in excess of businesses operating without Ramp. We believe every ambitious company deserves the same. If you want to build systems that directly shape how companies move and manage billions, Ramp is the place to do it. ABOUT THE ROLE We’re seeking someone to lead the future of fraud machine learning at Ramp. In this role, you will help build core machine learning models, design data architectures, and set strategic roadmaps to help Ramp mitigate fraud-related threats while minimizing the friction experience by legitimate users. You will partner closely with product and engineering counterparts across model design, implementation, execution, and analysis. WHAT YOU’LL DO - Employ statistical and machine learning techniques on large datasets to discover patterns of fraud, platform abuse, and identity theft - Prototype and productionize machine learning models and rules-based systems to protect Ramp and its users from fraud - Partner closely with Fraud Engineering and Data Platform teams to augment and leverage data across first and third party sources, ensuring we’ve added as much context as possible to every decision we make - Contribute to the culture of Ramp’s machine learning team by influencing processes, tools, and systems that will allow us to make better decisions in a scalable way WHAT YOU NEED - Bachelor’s degree or above in Math, Economics, Physics, Computer Science, or other quantitative fields - A minimum of 5 years of industry experience as a Machine Learning Engineer, Applied Scientist or Data Scientist - Strong python experience (numpy, pandas, sklearn, pytorch etc.) across ML techniques and backend engineering - Prior experience deploying Machine Learning models to production and making meaningful contribution to backend systems - Strong knowledge of SQL (Snowflake, Postgres, etc.) - Fluency with agentic (AI) tools for software development and data analysis - Ability to thrive in a fast-paced, constantly improving, start-up environment that focuses on solving problems with iterative technical solutions NICE-TO-HAVES - PhD in Math, Economics, Physics, Computer Science, or other quantitative fields - Context on Fraud and/or Identity Threat detection systems - Experience at a high-growth startup - Experience with the modern data stack ( Snowflake / Hex / dbt / RisingWave / etc ) - Strong perspective on data science + ML engineering development cycle, especially in a post-AI setting - Experience developing LLM-backed systems or tools BENEFITS AVAILABLE TO ALL FULL-TIME RAMP EMPLOYEES (GLOBAL) - Flexible PTO - Centralized home-office equipment ordering - Health and wellness stipend - Budget for intra-office travel - Weekly coffee stipend UNITED STATES - 100% medical, dental & vision insurance coverage for you, with partial coverage for dependents - One Medical annual membership - 401(k), including employer match on contributions made while employed by Ramp - Fertility HRA (up to $10,000 per year) - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay - Pet insurance - In-office perks: lunch, snacks, drinks, and more - Relocation expense coverage to NYC or SF (if needed) CANADA - Group medical, dental, and vision coverage through Sun Life - Life, AD&D, and disability coverage - Fertility drug coverage (up to $4,000 lifetime) - Group Retirement Plan with employer match (RRSP + DPSP) - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay, with additional time available at reduced pay - Employee Assistance Program and virtual care through Lumino Health UNITED KINGDOM - Private medical insurance through Freedom Elite - Virtual GP and at-home care via eMed x Livi - Workplace pension through Penfold, with salary sacrifice option - Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay with additional time available at reduced pay REFERRAL INSTRUCTIONS If you are being referred for the role, please contact that person to apply on your behalf.   OTHER NOTICES Pursuant to the San Francisco Fair Chance Ordinance, we will consider for employment qualified applicants with arrest and conviction records.   Beware of recruiting scams: Ramp will only contact you through official @Ramp.com http://Ramp.com email addresses and will never ask for payment or sensitive personal information during the hiring process.   Ramp Applicant Privacy Notice https://ramp.com/legal/applicant-privacy-notice

Задачи: — масштабировать A/B-тестирование: гипотезы, дизайн, приоритизация, запуск и анализ экспериментов — рассчитывать метрики, sample size и длительность тестов, контролировать рандомизацию и статистическую корректность — настраивать и мониторить эксперименты, проводить QA и взаимодействовать с продуктом, разработкой и QA — анализировать результаты и сегменты, применять sequential testing, переводить выводы на бизнес-язык — развивать data pipelines, ETL/ELT и единый слой метрик для экспериментов — контролировать качество данных и оценивать их влияние на бизнес-метрики и статистическую достоверность — проводить sensitivity analysis и оптимизировать сбор данных без потери качества результатов — разрабатывать self-service инструменты для запуска и анализа экспериментов — автоматизировать аналитику с помощью LLM: SQL, отчёты, первичный анализ результатов — развивать документацию, стандарты и best practices по experimentation Требования: — от 2 лет опыта в A/B-тестировании — полный цикл от гипотезы до интерпретации результатов — практический опыт масштабирования experimentation-программ — хорошее понимание p-value, доверительных интервалов, статистической мощности, sample size — опыт работы с ratio-метриками: AOV, ARPPU, conversion rate и др. — знание методов анализа ratio-метрик: линеаризация, bootstrap — понимание рисков peeking и multiple testing, знание sequential testing — продвинутый SQL: оконные функции, сложные JOIN, агрегации на больших объёмах данных — Python для анализа данных и автоматизации: pandas, numpy, scipy / statsmodels — понимание архитектуры ETL/ELT и data pipelines, принципов построения витрин и контроля качества данных — опыт оценки влияния объёма и качества данных на бизнес-метрики и статистическую достоверность экспериментов — опыт применения sensitivity analysis для оценки ценности отдельных сессий и событий — опыт работы с платформами экспериментов: Optimizely, SiteSpect или внутренними решениями — опыт работы с product analytics: GA4, Amplitude, Mixpanel — понимание архитектуры сбора и обработки экспериментальных данных Будет плюсом: — опыт автоматизации аналитических задач с помощью LLM и AI-агентов (генерация SQL, первичный разбор результатов) — навыки разработки self-service инструментов для продуктовых команд — опыт создания internal experimentation platform: хранение метаданных, расчёт метрик, логика сегментации — знание особенностей mobile app testing и ограничений in-app экспериментов — опыт работы с персонализацией: Dynamic Yield, Nosto

Задачи: — Оценивать эффективность CVM-кампаний (SMS, push/МП, баннеры, CRM) и готовить регулярную отчётность. — Анализировать отток B2C и удержание абонентов. — Создавать дашборды в Apache Superset и формировать требования к витринам данных. — Участвовать в совместных пилотах с подразделениями Банка. — Готовить и проверять целевые сегменты под запуски кампаний. — Рассчитывать объёмы, доставку и конверсии, сравнивать с бенчмарками, делать выводы и рекомендации. — Вести регулярные отчёты и дашборды, контролировать качество данных. — Анализировать отток: когорты, профили сегментов риска, готовить материалы для руководства. — Проверять гипотезы и разрабатывать дизайн пилотов. — Автоматизировать выгрузки и расчёты, документировать методики. Требования: — Уверенное владение SQL: оконные функции, сложные соединения, оптимизация запросов. — Опыт работы с Oracle будет преимуществом. — Владение Python: библиотеки pandas, numpy, scipy/statsmodels; Jupyter. — Знание математической статистики: A/B-тесты, контрольные группы, значимость, когортный анализ. — Опыт работы с системами бизнес-аналитики: Apache Superset, Power BI или Tableau. — Умение превращать расчёт в вывод и рекомендацию для бизнеса, готовить презентации. — Самостоятельность и умение довести задачу до результата без пошагового контроля. — Критичность к данным: проверяет цифры и методику, прежде чем делать выводы. — Структурное мышление, умение коротко и ясно излагать вывод. — Ответственность за сроки регулярной отчётности. — Готовность объяснять расчёты коллегам и заказчикам. — Опыт в телеком-отрасли или банке, понимание метрик оттока, MNP, ARPU, CLTV будет преимуществом. — Опыт постановки задач разработке и приёмки витрин данных будет преимуществом. — Внимательность к деталям и критичность к данным. — Коммуникабельность и умение объяснять сложные вещи простым языком. Условия: — Гибридный график работы 5/2 с 9.00, 9.30 или 10.00, в пятницу сокращенный рабочий день на 1 час 15 минут. — Официальная заработная плата обсуждается с успешными кандидатами на собеседовании. — Испытательный срок 3 месяца. — Льготная ипотека после 6 месяцев работы. — ДМС со стоматологией + НС с возможностью подключить родственников и гибкой настройкой услуг после испытательного срока. — Компенсации (фитнес, английский, участие в спортивных мероприятиях, мат.помощь, обучение). — Корпоративная пенсионная программа. — 100% скидка на связь СберМобайл. — Комфортный офис рядом с метро Белорусская.

Основные требования: — Опыт разработки и применения моделей машинного обучения для решения прикладных задач: прогнозирования, классификации, оптимизации, выявления аномалий и анализа производственных процессов. — Понимание основных этапов разработки ML-решений: сбор и подготовка данных, исследовательский анализ, обучение моделей, оценка качества, тестирование и внедрение результатов. — Уверенные навыки программирования на Python и опыт работы с основными библиотеками анализа данных и машинного обучения: Pandas, NumPy, Scikit-learn, TensorFlow, PyTorch или аналогичными инструментами. — Опыт работы с временными рядами, историческими данными и построением прогнозных моделей. — Навыки обработки, очистки, объединения и анализа больших объемов производственных и технологических данных. — Общее понимание процессов энергетической отрасли: производство, передача, распределение и потребление энергетических ресурсов, режимы работы оборудования, технологические показатели и показатели эффективности. — Навыки работы с SQL, базами данных и инструментами хранения и обработки информации. — Умение формировать качественные наборы данных для аналитики и обучения моделей машинного обучения. Чем предстоит заниматься: — Разрабатывать и внедрять алгоритмы машинного обучения и интеллектуального анализа данных для задач энергетической отрасли. — Создавать модели прогнозирования производственных и технологических показателей энергетических объектов. — Разрабатывать прогнозы производства, потребления, нагрузки и других ключевых параметров на различных временных горизонтах. — Анализировать технологические и эксплуатационные данные, выявлять зависимости, закономерности, отклонения и потенциальные точки повышения эффективности. — Разрабатывать модели для оценки и прогнозирования состояния оборудования и технологических процессов. — Решать задачи оптимизации режимов работы энергетического оборудования и объектов. — Создавать алгоритмы выявления аномалий, отклонений и нестандартных режимов работы. Что мы предлагаем: — Участие в разработке современных цифровых и интеллектуальных решений для энергетической отрасли. — Работа над практическими задачами цифровизации, аналитики и повышения эффективности энергетических объектов. — Возможность применять технологии Machine Learning, Data Science и Artificial Intelligence для решения реальных производственных задач. — Работа с промышленными, технологическими и эксплуатационными данными энергетических предприятий. — Участие в проектах по прогнозированию, оптимизации, предиктивной аналитике, мониторингу оборудования и развитию цифровых двойников. — Возможность профессионального развития в направлениях Data Science, Machine Learning, Industrial AI и цифровой энергетики. — Взаимодействие с командой специалистов в области IT, анализа данных, автоматизации и энергетики. — Возможность участвовать в проектах, направленных на повышение надежности, эффективности и технологичности энергетической инфраструктуры. — Конкурентные условия труда и возможности для долгосрочного профессионального развития.

Задачи: — Разработка и сопровождение предиктивных моделей эффективности закупки трафика; — Разработка регрессионных и классифицирующих моделей для различных задач маркетинга (прогноз плательщика, оттока и т.п.); — Участие в интеграции внутренней системы маркетинговой аналитики; Требования: — Не менее 3-х лет опыта в роли DS или DA для команды маркетинга или продуктовой аналитики в мобильных или ПК играх; — Хорошее владение SQL, Python (Pandas, Scikit-learn, NumPy), PySpark в задачах анализа больших данных; — Опыт работы с BI системами (Tableau, PowerBI, FineBI); — Прикладной опыт в анализе успешности маркетинговых кампаний и прогнозировании LTV; — Продуктовое мышление, когда метрики это не только цифры, но и поведение пользователей, изменения в продукте; — Умение проверять и анализировать данные, проверять гипотезы, опыт проведения A/B-тестирования; — Знание теории вероятности, математической статистики; Будет плюсом: — Опыт написания продуктовых пайплайнов Airflow (PySpark); — Проведение глубоких продуктовых исследований; Условия: — расширенный ДМС со стоматологией — с первого рабочего дня; — офис в шаговой доступности от метро; — 100% оплата больничного (30 дней в год); — материальный бонус при рождении ребенка, ведение беременности, ДМС и подарки детям; — телемедицина и медицинская поддержка 24/7; — полис страхования от критических заболеваний; — программа благополучия сотрудников, включающая работу с психологом, финансовые и юридические консультации; — материальная помощь в особых случаях; — занятия английским языком; — корпоративные скидки; — дополнительное профессиональное обучение; — компенсация затрат на спорт — занятия в фитнес-клубе, индивидуальные тренировки и участия в соревнованиях.

Задачи: — Разработка новых коннекторов к источникам данных (REST API, SQL, файловые импорты). — Реализация движка трансформаций на Python с использованием pandas. — Создание модуля валидации данных с проверкой бизнес-правил. — Реализация выгрузок в целевые системы (ЕРМ, Excel-файлы). — Разработка REST API (FastAPI) для управления мэппингами и загрузками. — Оптимизация производительности. — Написание тестов (pytest) и документации. Требования: — Знание Python и основ ООП. — Понимание принципов REST API и HTTP. — Базовый опыт работы с FastAPI или другим backend-фреймворком. — Знание SQL и базовый опыт работы с PostgreSQL. — Понимание асинхронного кода (async/await). — Уверенное владение Git. — Базовый опыт написания тестов. — Умение читать чужой код и разбираться в существующем проекте. Будет плюсом: — Опыт работы с SQLAlchemy, Pydantic, pytest и Docker. — Опыт интеграции с внешними API. — Базовое знание JavaScript и React. Условия: — Работа в команде единомышленников, профессиональных бизнес-аналитиков, внедренцев, разработчиков, управленцев. — Интересные и сложные задачи, крупные проекты. — Постоянный профессиональный и личный рост, самостоятельность в работе. — Оформление в штат компании, согласно ТК РФ, “белая” заработная плата (обсуждается с успешными кандидатами). — Полис ДМС (Добровольное медицинское страхование).

Задачи: — Валидация процессов загрузки данных — Проверка корректности скачивания данных из внешних источников (БКИ, ЦБ, ФНС и др.) — Контроль раскладки данных по целевым таблицам в S3/Iceberg — Подтверждение обработки 100% входящего объёма данных — Верификация атрибутного состава (например, отсутствие даты рождения в поле "ФИО") — Тестирование механизмов обновления: отсутствие дубликатов при повторной загрузке — Блокировка записей с аномалиями (ошибки источника, некорректные форматы) — Анализ документации (ТЗ, маппинги) для проектирования тест-кейсов — Профилирование данных: выявление шаблонов, аномалий и граничных значений — Документирование расхождений между источниками и хранилищем — Мониторинг задач в Airflow на предмет сбоев — Составление отчётов о дефектах и качестве данных Требования: — Практическое знание SQL: продвинутый уровень, включая сложные JOIN, подзапросы, агрегатные функции, написание проверочных запросов, анализ трансформаций, выявление расхождений — Понимание архитектуры Lakehouse (S3, Iceberg) и слоёв хранения (RAW/ODS/DDS) — Опыт работы с БД и хранилищами: Oracle, Greenplum, PostgreSQL, S3, Airflow (мониторинг задач), Spark (понимание логики обработки) — Опыт тестирования хранилищ данных — Работа с форматами данных: XML, JSON, XSD/JSON-схемы — Опыт интеграции внешних источников (БКИ, ФНС, ЦБ, API-партнёров) — Понимание REST/SOAP API и протоколов передачи — Стек автоматизации: Python, pandas, numpy, psycopg2, pytest, Allure, PySpark Условия: — Оформление в штат аккредитованной ИТ-компании по ТК РФ: полностью белая заработная плата, оплачиваемые отпускные и больничные — Индексация заработной платы — Расширенная программа ДМС — Скидки на фитнес, кино и уроки английского — Техника по требованиям проекта

В рамках данной позиции специалист будет заниматься автоматизацией процессов, отчетности и аудита, разрабатывать внутренние python-приложения для сбора данных из банковских IT-систем, сопровождать категорирование автоматизированных систем, агрегировать данные и рассчитывать показатели защищенности. В обязанности входит проведение внутреннего аудита безопасности, проверка соответствия процессов разработки и эксплуатации информационных систем требованиям регуляторов, моделирование угроз и оценка рисков, создание детальных моделей угроз по методике ФСТЭК, а также обеспечение соответствия законодательству, включая полный цикл управления объектами критической информационной инфраструктуры (КИИ). Специалист будет заниматься категорированием, отправкой сведений во ФСТЭК и НКЦКИ, актуализацией моделей угроз после изменений архитектуры сервисов, подготовкой отчетной документации для внешних проверок, разработкой внутренней нормативно-правовой базы и обновлением организационно-распорядительных документов в соответствии с изменениями законодательства. Также предусмотрена AI-поддержка бизнес-процессов с использованием технологий больших языковых моделей (LLM) для автоматизации анализа изменений в законодательстве, составления матриц применимости требований и подготовки аналитических материалов. Эксперт будет сопровождать команды разработки и поддержки, осуществлять постоянный мониторинг исполнения требований регулятора и консультировать команды банка по вопросам развития систем в соответствии с законодательством. Требования включают высшее профильное образование в области информационной безопасности, профессиональную переподготовку по программам, согласованным с ФСТЭК России, опыт работы с системой защиты объектов КИИ не менее двух лет, уверенное владение python с использованием библиотек pandas и numpy, знание фреймворков и инструментов SQLAlchemy, OpenPyXL, Django/Flask, навыки интеграции с внешними сервисами через RESTful API (SIEM, SOAR, Vulnerability Scanners), опыт работы с CI/CD и системами контроля версий (Git/GitLab), умение создавать дашборды и визуализации данных (Power BI, Tableau, Grafana). Кандидат должен хорошо разбираться в российском законодательстве в сфере КИИ, уметь самостоятельно отслеживать изменения в законодательстве и корректировать внутренние процессы, иметь опыт внедрения решений на основе больших языковых моделей (GPT, BERT и др.), уметь формулировать эффективные промпты для генерации текстов, вычитки документации, создания чек-листов и аналитики, а также понимать этические аспекты и ограничения применения искусственного интеллекта в вопросах безопасности.