Вакансии

Location: Москва В команду аналитиков\\дата-инженеров Блока Финансы требуются специалисты по работе с большими данными. Мы готовим и выгружаем данные для дата-сайентистов (DS) Блока Финансы для обучения моделей машинного обучения. Как следствие, работаем по интересным задачам с широким спектром данных: розничные, корпоративные, экосистемные данные (продукты, клиенты, операции), что заметно развивает кругозор и профессиональную эрудицию наших сотрудников и делает работу интересной и насыщенной. Мы используем современный техстек, который востребован в корпоративных хранилищах и исследованиях данных: Hadoop (+ Trino, HDFSGateway), SPARK, Python, GreenPlum. Работаем в тесной кооперации с бизнес-аналитиками и дата-сайентистами, чтобы максимально быстро доставить качественные данные. Обязанности * поиск и анализ исходных данных в DWH и исходных системах Банка * разработка выгрузок (извлекающих запросов), ad-hoc запросов * работа с бизнес-заказчиками, сбор и формализация требований в бизнес-терминах * проектирование, разработка витрин и наполнение данными * оптимизация запросов. Требования * опыт SQL или SPARK API * опыт разработки сложных SQL-запросов (несколько и более таблиц >100млн строк, использование аналитических функций) * знание банковских продуктов и опыт работы с банковскими данными (физические и юридические лица) * опыт сбора и документирования требований * опыт разработки промышленных решений (документирование требований, согласование, описание архитектуры решения, постановка задачи на разработку и приемка и т.д.) * опыт работы (написание и оптимизация запросов, проектирование витрин и т.п.) на классических СУБД (Teradata, Oracle, MS SQL, My SQL, Postgre и т.п.) * опыт работы на Hadoop(Hive\\Impala) и\\или SPARK * опыт проектирования и внедрения СУБД или DWH или BI * опыт разработки отчетности. Условия * комфортный современный офис: ул. Вавилова, 19 (метро Ленинский проспект) * офисный формат работы * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте (для Junior позиций) * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * 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.

-Организация работы команды дата-инженеров: постановка задач, приоритизация, контроль качества выполнения работы. -Непосредственное участие в разработке новых и улучшении текущих дата-процессов.

Location: Москва Мы развиваем продуктовую линейку управленческой отчётности по банковским продуктам. Вы возьмёте на себя бэклог этого направления: что делаем в первую очередь, как это должно быть устроено и в каком виде дойдёт до заказчика. Отчётность строится в корпоративной системе визуализации АС Навигатор. Это роль владельца направления, а не исполнителя отдельных задач. Обязанности * Управлять бэклогом: задачи на разработку нового функционала и доработку текущего, приоритизация, планирование * Декомпозировать и прорабатывать бизнес-задачи: встречи с заказчиками, уточнение требований, формирование ТЗ, согласование результата * Проектировать общую архитектуру отчётов — как устроена линейка в целом, а не отдельный дашборд * Проектировать архитектуру источников данных * Собирать визуальную часть дашбордов в АС Навигатор * Управлять результатом, зависимостями между задачами и командами, ожиданиями заказчика Требования * Умение работать с бизнес-заказчиками: формировать требования, управлять ожиданиями и доводить до результата * Углублённое знание SQL: агрегации, оконные функции, оптимизация запросов, понимание архитектуры разных СУБД * Опыт работы с хранилищем данных: DWH-аналитика, дата-инженерия, разработка витрин * Понимание принципов работы основных банковских продуктов и формирования финансового результата по ним * Jira и Confluence как рабочие инструменты трекинга и документирования **Будет плюсом:** * Опыт работы с Greenplum и/или ClickHouse * Опыт создания аналитических отчётов и дашбордов на любой платформе — Excel, АС Навигатор, Tableau, Power BI, Apache Superset, Metabase, FineBI, Analytic Workspace и аналогах Условия * Комфортный современный офис: Москва, Кутузовский проспект 32 * Гибридный формат работы * Ежегодный пересмотр зарплаты, доход сотрудника формируется из окладной части и годовой премии * 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.

Предстоит проектировать и наполнять аналитические витрины, описывать данные, ставить задачи дата-инженерам и согласовывать результат с заказчиками.

Руководить отделом из 10 человек (продуктовые, системные, бизнес-аналитики и аналитики данных). Глубокое понимание архитектуры современных хранилищ данных (DWH), озер данных (Data Lake) и принципов построения витрин.

Руководство, наставничество и развитие команды из 2+ аналитиков (с потенциалом расширения до 8+) в области продуктов, бизнеса и веб/мобильных технологий. Развитие потенциала команды: адаптация новых сотрудников, профессиональное развитие и управление эффективностью.

💎 Компания Selecty ищет Data‑инженера / разработчика витрин для разработки витрин (70–80 % задач), сопровождения на уровне 3‑й линии (20–30 %), поднятия витрин в MVP с нуля, реализации витринной разработки и интеграции с командой веба.

Location: Москва В Департамент ИТ блока «Корпоративно-инвестиционный бизнес» в команду «1,5 КГ отличного ЮЛ» открыта позиция Дата инженера. Мы занимаемся анализом жизненного цикла Клиента в Банке, а также оценкой и прогнозом его финансового положения. Текущая реализация на микросервисной архитектуре. У Вас будет возможность поработать с богатыми и интересными данными. Стать частью быстрорастущего DS сообщества Сбербанка. Возможность писать на современном стеке (Python + Spark) и проникнуться всеми нюансами работы в большой технологической компании. Обязанности * взаимодействие с PO и аналитиками для согласования требований * проектирование и разработка аналитических витрин данных * конфигурирование сборки, поставки на стенд, витрин данных и интеграций (API, ТФС) * определение очередности расчетов * разработка и поддержка спецификаций * проведение интеграционного, unit, регрессионного тестирования * мониторинг и оптимизация работы витрины: взаимодействие с сопровождением hadoop кластера и разработчиками Core-сервисов. Требования * опыт работы дата-инженером от 2 лет * опыт работы с Hadoop и Apache Spark Scala * отличные знания SQL (JOINы, агрегаты, группировки, вложенные запросы, индексы, оконные функции) * знание основных алгоритмов и структур данных * опыт разработки в парадигме ООП, знаете его основные принципы * знание форматов данных: сsv, json, yaml, parquet * знание OLTP, OLAP, ACID, Теорема CAP * понимание процессов ETL, ELT * знание инструментов для организации и автоматизации работы: IDE, Git, Jira, Confluence. Будет плюсом: * навыки работы с CI/CD * знание bash: базовые команды для работы с файлами и процессами, знаете как происходит процесс подключения к нодам - нужно для работы на кластере * представление о монолитных и распределенных системах: знаете принципы их работы и отличия, цели применения * навыки работы с генеративными AI-моделями. Условия * комфортный современный офис рядом с м. Кутузовская, формат работы - **офис** * **оформление на декретную ставку** * 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 * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Pretrain - является самым масштабным и затратным этапом обучения VLM. На нем закладывается огромный фундамент возможностей модели, который позволяет в дальнейшем ей быть полезной пользователю и решать задачи CV. Нам требуется эксперт, который понимает какие данные двигают качество, весь скоуп задач компьютерного зрения и подходы к их решению, будет собирать процессы вокруг обогащения претрейна самыми качественными и необходимыми данными для множества доменов, оценивать качество и сложность датасетов, создавать полезные дашборды, заботиться о воспроизводимости. Нужен хороший организатор дата-команды и дата-пайплайнов с сильными техническими навыками. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * строить data engine для pretrain и stage 1.5; * отвечать за sourcing, curation, dedup, filtering, balancing и mixture design; * выявлять слабые места в данных, влияющие на качество модели, составлять план по улучшению и реализовывать план в срок; * управлять качеством данных и воспроизводимостью; * организовывать статистику, срезы и мониторинг по данным; * работать с training/eval командами; * приоритизировать ручную и полуавтоматическую обработку там, где это эффективнее полной автоматизации; * нанимать и вести дата-инженеров. Требования * опыт работы в production команде (сборка окружения, выкатка моделей как оффлайн, так и онлайн, большие нагрузки как преимущество); * понимание, как данные влияют на качество VLM; * опыт построения дата пайплайнов и data quality процессов; * умение ставить задачи дата-инженерам, девопсам/ML-опсам, ML разработчикам; * умение приоритизировать задачи, распределять имеющиеся ресурсы; Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * 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 * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва В команду рисков беззалогового кредитования ищем специалиста по разработке моделей. Работа предполагает участие в амбициозных проектах риск-менеджмента, направленных на оптимальное управление экономикой портфеля беззалоговых кредитов. Предстоит заниматься построением моделей оценки риска, финансовых моделей, автоматизацией и оптимизацией процессов принятия решения. Модельная команда риск-менеджмента состоит из квалифицированных специалистов – выпускников ведущих ВУЗов России, имеющих практический опыт в рисках, моделировании, разработки современных и инновационных инструментов и технологий. Обязанности * построение моделей для управления розничным кредитным риском (PD, Expected Loss, прогнозирование событий жизненного цикла клиента) * поддержание и изменение процессов калибровки и дообучения моделей * участие во внедрении, тестировании, приемке ML инструментов, взаимодействие с командами дата-инженеров и MLOps * аналитика и R&D внешних и внутренних источников данных * взаимодействие с бизнес-заказчиками (риски, бизнес, финансы) в рамках постановки задач, сбора требований * участие в проектах Банка по развитию инструментов управления кредитным портфелем (финансовое моделирование, предиктивная аналитика). Требования * опыт работы в риск-менеджменте (моделирование, портфельный анализ) не менее 1 года * опыт работы в области ML, DL, DS не менее 3/2 лет * профессиональное владение SQL, базовое - Hadoop, работа с базами данных * практический опыт разработки доведенных до промышленного использования моделей оценки риска в Python (Pandas, scikit-learn, PyTorch) * понимание жизненного цикла разработки и внедрения современных ML моделей (MLOps) * владение основными понятиями и методами теории вероятностей, математической статистики, линейной алгебры, оптимизации, численных методов * английский язык уровня intermediate для чтения профессиональной литературы. Условия * комфортный современный офис рядом с м. 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.

построение моделей для управления розничным кредитным риском (PD, Expected Loss, прогнозирование событий жизненного цикла клиента). поддержание и изменение процессов калибровки и дообучения моделей.

• Исследовать core banking систему, legacy- и внешние источники, восстанавливать их семантику; • Идти от целевой витрины к источнику: определять таблицы и логику сбора атрибутов;

In this role, you’ll dive into high-impact projects across our service architecture, collaborating with product, risk, and design partners to deliver resilient, secure systems.

Задачи: — Проектирование и разработка BI-дашбордов для бизнеса и продуктов; — Работа с Superset и другими BI-инструментами; — Контроль корректности данных и участие в выявлении расхождений; — Взаимодействие с бизнес-заказчиками: оценка запросов, подбор альтернативных решений, подбор оптимальных визуализаций, срезы, фильтры; — Работа с бизнес- и продуктовой аналитикой: выручка, маржинальность, воронки, метрики продукта и клиентского пути; — Поддержка и развитие существующих дашбордов; — Разбираться в источниках корпоративных данных и формировать функциональные требования в профильные отделы на их наполнение, изменение структуры и обеспечение доступа для решения поставленных задач. Требования: — Опыт работы на позиции BI-аналитика от 2 лет; — Уверенный опыт построения дашбордов; — Практический опыт работы с Superset; — Понимание принципов визуализации данных; — Понимание бизнес- и продуктовых метрик; — Опыт постановки ТЗ дата-инженерам; — Умение отстаивать свою точку зрения, аргументировать решения, предлагать несколько вариантов реализации задач. Будет плюсом: — Опыт в B2B / SaaS; — Опыт работы с несколькими источниками данных (CRM, финансы (1С), продукт, маркетинг); — Практический опыт применения Apache Airflow в задачах автоматизации работы с отчетами (выгрузки по расписанию, отправка результатов на электронную почту и т.п.); — Навыки работы с SQL (PostgreSQL, ClickHouse) на уровне аналитика; — Опыт работы с Trino; — Опыт общения с топ-менеджментом или бизнес-лидерами. Условия: — График работы: 5/2; — Удаленный формат работы только на территории РФ; — Работа в аккредитованной IT-компании; — Официальное трудоустройство по ТК РФ с первого дня; — ДМС со стоматологией и психологом после испытательного срока.

О проекте: Мы строим Customer Intelligence & Personalization Platform для экосистемы бизнесов в Армении. В основе — Golden Record: единый профиль клиента, объединяющий данные банка, продуктов экосистемы и внешних источников. Поверх него строятся Customer 360, сегментация, scoring и персонализированные предложения. Задачи роли: Предстоит спроектировать слой между сырыми данными core banking системы и витринами платформы. Источник слабо документирован: часть значений закодирована, часть бизнес-логики реализована в коде и хранимых процедурах, две внешне одинаковые записи могут быть собраны разными алгоритмами из разных таблиц. Нужен человек, который разберёт этот источник и превратит его в осознанную модель данных: что откуда берётся, что на что влияет, какое поле что означает. Что предстоит делать: — Исследовать core banking систему, legacy- и внешние источники, восстанавливать их семантику. — Идти от целевой витрины к источнику: определять, из каких таблиц и по какой логике собирается каждый атрибут. — Разделять случаи, когда одинаковые по виду данные получены разными путями, и фиксировать правила выбора. — Описывать модель данных и метаданные: сущности, связи, grain, ключи, историчность. — Формировать требования к витринам для сегментации, scoring и рекомендаций. — Писать SQL-исследования и прототипы трансформаций, проверять гипотезы на данных. — Выяснять смысл данных напрямую у сотрудников банка — это постоянная часть работы. О бэкграунде: Важно, какие задачи вы решали — приходили в незнакомую недокументированную систему и разбирались сами, восстанавливали бизнес-смысл данных, строили модель с нуля и доводили исследование до работающей витрины. Если вы работали дата-инженером и значительную часть времени тратили на то, чтобы понять, что лежит в источнике, — это наш профиль. Если получали готовые чистые витрины — скорее нет. AI-native подход: Мы используем AI-native подход и ожидаем того же от кандидата: AI-инструменты применяются для разбора legacy, анализа схем, написания SQL и документирования. Требования: — Сильный SQL: оконные функции, сложные join-цепочки, анализ качества и распределений. — Опыт реверс-инжиниринга плохо документированных источников. — Понимание data modelling: сущности, grain, ключи, историчность, master entities. — Опыт работы с банковскими или fintech-данными (Core banking (особенно ArmSoft) / legacy banking systems, Customer 360) или опыт разбора сырых банковских данных о клиентах и продуктах из плохо документированных систем с целью производства маркетинговой и финансовой аналитики. — Python на уровне исследования данных. — Способность самостоятельно довести задачу «вот сырьё, вот целевая витрина» до результата. — Проактивность: готовность выяснять смысл данных у людей, а не ждать документации. — Git, Linux, опыт работы в закрытых Dev/UAT-контурах. Будет плюсом: — Знание армянского языка — Методологии матчинга и дедупликации — Опыт с Data Vault 2.0 — Опыт с DBT или аналоги — PII, маскирование, RBAC — Опыт в регулируемом on-premise контуре — Экспертиза в ML, ML Ops Условия: — Взаимодействие по ИП — Локация - Армения — Формат работы - гибрид, готовность работать из офиса банка до 3 раз в неделю.

Задачи: — Анализ источников данных. — Анализ жизненного цикла данных. — Постановка задач Дата-инженеру на извлечение, трансформацию и загрузку данных в Хранилище. — Проектировать и описывать витрины данных. — Строить дашборды и аналитические отчеты, проверять гипотезы, искать инсайты и интерпретировать данные для бизнеса. — Контролировать качество данных: определять правила валидации, критичные значения, недопустимость пропусков. — Быть связующим звеном между бизнес-заказчиками данных и дата-инженером. Требования: — Продвинутый SQL: умение читать и писать SQL код на разных диалектах (ORACLE, MS SQL, Postgre), понимание разных видов JOIN. — Умение читать чужой ETL/ELT‑код и разбираться в структурах таблиц (звезда, снежинка, Data Vault). — Умение составить детальное ТЗ ETL процесс и разработку витрины для дата‑инженера. — Способность превращать размытые бизнес‑пожелания в конкретные алгоритмы и метрики. — Самостоятельное проектирование правил валидации данных и алертинга в ETL процессах. — Понимание как работают различные технологии обмена данными: API, прямой доступ в БД, Excel, TXT, CSV. Знание плюсов и минусов каждой технологии. Условия: — Работа в аккредитованной IT-компании. — Различные форматы работы: гибрид / офис / удалённый формат. — Возможности для профессионального и карьерного роста: карьерные треки. — Внутреннее и внешнее обучение. — Расширенная программа лояльности и скидки на услуги и товары Рольф, и партнеров (фитнес, изучение языков, кэшбэки, библиотеки профессиональной литературы и др.).

Задачи: — Руководство, наставничество и управление командой инженеров DWH Data Tools, включая управление эффективностью, проведение 1-на-1, найм и профессиональное развитие. — Контроль за развитием и поддержкой Superset, Jupyter Hub и DataHub. — Руководство архитектурой, дизайном и реализацией внутренних BI, инструментов для исследования данных и других кастомных дата-инструментов. — Взаимодействие с продуктовой командой, дата-инженерами, аналитиками и другими командами для преобразования пользовательских проблем в технические решения. — Планирование работы команды и управление поставками с учетом гибких сроков и меняющихся бизнес-приоритетов. — Обеспечение надежности, стабильности, поддержки сервиса и контроля инцидентов в соответствии с процессами SRE. Требования: — Опыт управления инженерными командами не менее 1 года в динамичной среде. — Сильные технические знания Python и опыт работы с Go или Node.js. — Опыт проектирования, развертывания и управления дата-инструментами, такими как BI-платформы, дата-ноутбуки или каталоги данных. — Опыт найма, развития команды, управления эффективностью, управления поставками и кросс-функционального взаимодействия. — Умение гибко планировать, эффективно расставлять приоритеты и работать в условиях неопределенности и меняющихся требований. — Владение английским языком на уровне B1 или выше для общения с международной командой. Преимущества: — Опыт внедрения или поддержки сервисов с процессами SRE. — Опыт в области хранилищ данных, банковской сфере или финтехе. — Знакомство с внутренними устройствами Superset, Jupyter Hub или DataHub. — Опыт работы с Apache Kafka, Airflow, DBT, Kubernetes, Snowflake или архитектурами Lake House. Условия: — Удаленная работа или работа из офиса с гибкими условиями. — Помощь с релокацией для сотрудников и их семей. — Медицинское страхование, оплачиваемый больничный и 20 дней ежегодного отпуска. — Бюджет на образование для изучения языков, профессионального обучения и сертификаций. — Бюджет на поддержание здоровья и фитнеса. — Коллаборативная среда, ориентированная на инновации, прозрачную обратную связь и признание достижений.

Задачи: — Руководство, наставничество и управление командой инженеров DWH Data Tools, включая управление эффективностью, проведение 1-на-1, найм и профессиональное развитие. — Контроль за развитием и поддержкой Superset, Jupyter Hub и DataHub. — Руководство архитектурой, дизайном и реализацией внутренних BI, инструментов для исследования данных и других кастомных дата-инструментов. — Взаимодействие с продуктовой командой, дата-инженерами, аналитиками и другими командами для преобразования пользовательских проблем в технические решения. — Планирование работы команды и управление поставками с учетом гибких сроков и меняющихся бизнес-приоритетов. — Обеспечение надежности, стабильности, поддержки сервиса и контроля инцидентов в соответствии с процессами SRE. Требования: — Опыт управления инженерными командами не менее 1 года в динамичной среде. — Сильные технические знания Python и опыт работы с Go или Node.js. — Опыт проектирования, развертывания и управления дата-инструментами, такими как BI-платформы, дата-ноутбуки или каталоги данных. — Опыт найма, развития команды, управления эффективностью, управления поставками и кросс-функционального взаимодействия. — Умение гибко планировать, эффективно расставлять приоритеты и работать в условиях неопределенности и меняющихся требований. — Владение английским языком на уровне B1 или выше для общения с международной командой. Преимущества: — Опыт внедрения или поддержки сервисов с процессами SRE. — Опыт в области хранилищ данных, банковской сфере или финтехе. — Знакомство с внутренними устройствами Superset, Jupyter Hub или DataHub. — Опыт работы с Apache Kafka, Airflow, DBT, Kubernetes, Snowflake или архитектурами Lake House. Условия: — Удаленная работа или работа из офиса с гибкими условиями. — Помощь с релокацией для сотрудников и их семей. — Медицинское страхование, оплачиваемый больничный и 20 дней ежегодного отпуска. — Бюджет на образование для изучения языков, профессионального обучения и сертификаций. — Бюджет на поддержание здоровья и фитнеса. — Коллаборативная среда, ориентированная на инновации, прозрачную обратную связь и признание достижений.