Вакансии

Location: Москва Мы ищем целеустремленного и амбициозного Data Scientist, который готов развиваться в области AI, ML и Финансов. Мы отвечаем за задачи по AI-трансформации, связанные с Блоком Финансы, нашим основным заказчиком является Казначейство Сбера. Нашей задачей является внедрение AI и ML в таких процессах, как продуктовое ценообразование на портфельном и индивидуальном уровне, установление единых трансфертных ставок, бизнес-планирование, с целью улучшения финансовых показателей банка. В нашу работу входит анализ данных, построение моделей, внедрение их в процесс, общение с заказчиками, представление результатов руководству Банка. В работе используем как стандартные модели и алгоритмы, так и тестируем более продвинутые методы, в том числе, совместно с Лабораторией искусственного интеллекта Сбера. Обязанности * Разработка ML-моделей и алгоритмов * Вывод в production ML-моделей и расчетных модулей * Аналитика на больших данных * Поддержка реализованных решений * Разработка ML-моделей и алгоритмов для прогнозирования временных рядов Требования * продвинутые знания в области математики (мат.анализ, линейная алгебра, теория вероятностей, мат.статистика) * python: типы данных, структуры, ООП * классический ML: задачи (классификация, регрессия), метрики, basic ML stack (pandas, numpy, sklearn, catboost, xgboost), SQL * BigData stack (Hadoop, Spark, SparkML) * умение работать с git, Jira, Confluence. Будет плюсом: * знания в области финансов * опыт продуктовой аналитики * опыт работы с временными рядами (анализ, разработка моделей) * опыт работы с LLM (langchain, langgraph) * опыт end-2-end разработки ML-моделей (EDA-MVP-Solution-Validation-Production) * опыт backend разработки. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный 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 * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Задача — подбирать монтажников на наши объекты в Москве и вести организационные вопросы по кандидатам и сотрудникам. • Искать монтажников НВФ и СПК (витражи, остекление) и других рабочих на Авито, в Telegram-каналах, профильных чатах и других площадках.

Подбор персонала: размещение вакансий, поиск резюме кандидатов, проведение телефонных интервью /первичных собеседований с линейным персоналом.

Проект по созданию аналитической платформы на базе ИИ — единая экосистема для работы с данными.

Location: Алматы Задачи Разрабатывать ML модели для широкого круга задач; Участвовать в разработке сервиса на основе ML на всех этапах: от сбора данных до выкатки в продакшн и дальнейшего мониторинга/сопровождения сервиса; При необходимости оптимизировать модели под HighLoad системы; Тесное взаимодействие со своей продуктовой командой; Работать с нейронными сетями и обучать PyTorch модели для production; Интегрировать языковые модели (LLM/SLM) в существующие сервисы компании. Требования Понимание теории вероятности, математической статистики, линейной алгебры; Знание “классического ML” на хорошем уровне (регрессия, методы кластеризации, деревья решений и их ансамбли); Знание основ Deep Learning в сфере CV и NLP (работа с разнородными данными: изображения, текст, табулярные данные); Владение Python (опыт использования Pytorch) и связанным с ним стэком для ML (pandas, sklearn, numpy); Знание Git и Docker. Будет плюсом Опыт разработки ML решений в одной из следующих областей: NLP, CV, Recommendation Systems; Опыт работы с DVC, MLFlow; Опыт работы с airflow, bigquery; Понимание kubernetes.

— Исследовать данные, разрабатывать новые информативные признаки и добавлять в командный пайплайн новые источники. — Строить ML модели на основе различных данных: табличные, последовательности событий (кликстрим, транзакции и т.д.).

Location: Москва Workplace: Москва (гибрид/офис) Мы строим data-driven маркетинг, где каждое решение должно доказывать свою эффективность. Ищем Senior аналитика, который выстроит единую методологию оценки всех активностей — от креативов до медиамикса. Ты будешь работать на стыке данных, стратегии и экспериментов: запускать тесты, развивать MMM и Causal Impact. Это роль для того, кто хочет влиять на ключевые бизнес-решения, а не закрывать узкие задачи. Идеальный профиль — опыт in-house аналитики в крупных онлайн-экосистемах, с бэкграундом в 360° маркетинге и пониманием причинно-следственных связей. Задачи Выстраивать с нуля единую методологию оценки эффективности всех маркетинговых каналов и активностей — от креатива до медиабаинга Запускать региональные тесты, тесты аплифтов и инкрементальные эксперименты, которые отделяют корреляцию от реального бизнес-эффекта Внедрять MMM и Causal Impact для измерения эластичности каналов, каннибализации и сквозной оптимизации медиамикса Развивать CMI-направление: связывать трекеры с ML-моделями, анализировать восприятие аудитории и эффективность выбора звёзд. Лидировать локальные команды аналитики маркетинга, передавая экспертизу и задавая стандарты качества data-driven решений Стек технологий и инструменты SQL на уверенном уровне (Greenplum, Trino, ClickHouse, Teradata) Python (Pandas, NumPy) для сбора и обработки данных, базовой статистики и экспериментального анализа BI DataLens / Superset Методологии оценки эффектов: понимание DiD, synthetic control, PSM, A/B-тестирования, MMM Требования Senior-экспертиза в маркетинговой аналитике. Опыт построения MMM, оценки эластичности и каннибализации каналов, региональных и инкрементальных тестов внутри крупного бизнеса ML и статистика. Понимание моделей от линейной регрессии до Causal Impact, временные ряды (ARIMA, Prophet), CatBoost; умение работать с причинно-следственными связями, а не только с корреляциями Коммуникации и стейкхолдер-менеджмент. Способность самостоятельно собирать контекст через интервью с большим количеством стейкхолдеров и синтезировать его в целостную картину Презентация и автономность. Умение чётко презентовать выводы, объяснять сильные и слабые стороны методологии и её ограничения; proactive-подход к неструктурированным задачам Отраслевой фон. Опыт в e-com / retailtech — преимущество. Высокий приоритет — in-house аналитика в онлайн-компаниях с 360° маркетингом. Условия ДМС со стоматологией и льготными условиями для членов семьи Технику для работы Работу в уютном офисе в центре Москвы (ст. м. Савеловская) Возможность реализовать свой опыт и потенциал в интересных и многоплановых проектах Развитие – мы оплачиваем обучение на курсах и участие в конференциях Наличие корпоративных скидок PRIMEZONE и программ лояльности от компании Наличие корпоративной библиотеки курсов Возможность рекомендовать компанию своим друзьям, участвуя в реферальной программе Формат работы Москва (гибрид/офис)

Ищем не просто фармера, а архитектора направления. Человек, который с нуля построит всю инфраструктуру фарминга FB: от выстраивания цепочки поставщиков до выдачи готовых, прогретых, «живых» акков медиабаерам.

Задачи: — Выполнение системного анализа требований, включая BRD, FRD, SRS, Use Cases и User Stories — Моделирование бизнес-процессов с использованием UML, AS-IS / TO-BE — Проектирование и описание данных через ER-диаграммы и логические модели — Анализ данных и требований в реляционных и нереляционных базах данных — Работа с интеграциями через REST API, форматы обмена и спецификации OpenAPI — Декомпозиция сложных бизнес-задач до технических требований — Чтение и написание аналитических SQL-запросов — Взаимодействие с большим количеством стейкхолдеров — Описание требований к ML и аналитическим компонентам — Построение экономических обоснований (ROI, TCO, cost-to-serve) — Анализ данных для валидации гипотез Требования: — Гражданство и локация РФ — Опыт работы в бизнесе в сфере ритейла и производства на роли бизнес/системного аналитика — Опыт работы в консалтинге в сфере управления цепями поставок и ритейла на роли бизнес/системного аналитика — Знание стека: Knowledge Space, Optimacros, Novo BI, Jume, Reshape — Опыт работы системным аналитиком от 5 лет — Желателен совмещённый опыт системного и бизнес-анализа — Опыт работы с аналитическими платформами, корпоративными системами или системами планирования — Опыт участия в сложных проектах с большим количеством данных и интеграций — Понимание событийных интеграций — Высшее образование в области информационных технологий, математики, экономики или прикладных наук — Навыки фасилитации — Опыт в Supply Chain, Demand Planning, Forecasting, ERP, APS — Опыт работы в продуктовых командах с Agile и Scrum — Понимание процессов Supply Chain Planning, S&OP, Demand Sensing — Понимание задач линейной и смешанно-целочисленной оптимизации, LP, MILP — Базовое понимание методов Operations Research для взаимодействия с разработчиками алгоритмов — Владение инструментами моделирования: Draw.io, PlantUml, Miro или аналоги — Опыт работы с Яндекс.Трекером Axenix, Яндекс.Вики Axenix или Jira, Confluence — Базовое понимание архитектуры web-приложений, backend-сервисов и ML-конвейеров — Владение инструментами бизнес-анализа: gap-анализ, моделирование бизнес-объектов — Наличие сертификаций по системному или бизнес-анализу (IIBA CBAP, CCBA, курсы по BABOK) — Обучение в области Supply Chain, Demand Planning, Operations Research Условия: — Удалённая работа — Полная занятость (full-time)

Обеспечение комфортных условий для работы команды и бесперебойного решения текущих административных вопросов. согласование и подписание документов;

— Опыт работы в бизнесе в сфере ритейла, производства на роли бизнес/системного аналитика.

▫️Проектирование и реализация компонентов календарного и производственного планирования. ▫️Разработка решений для оптимизации запасов.

Отличное знание Python, опыт работы с Spark, Pyspark, SQL, работа с S3; Знание современных алгоритмов машинного обучения и оптимизации;

Сбор, очистка и подготовка данных из различных источников для дальнейшего анализа; Проведение первичного анализа данных: выявление закономерностей и аномалий, создание визуализаций;

Сейчас ищем результативного рекрутера, который умеет находить людей и доводить кандидатов до выхода на работу. — Закрывать около 6-8 вакансий в месяц.

Senior Python, алгоритмы, структуры данных, Big O, ООП. SQL, PostgreSQL, Git, юнит- и интеграционное тестирование.

Develop and improve systems that support responsive, believable NPC movement and interactions within the game world. Create tools and debugging utilities that support efficient development and iteration of NPC gameplay systems.

Location: Москва Workplace: В офисе О компании МТС Банк— команда, которая развивает цифровые финансовые сервисы и делает их доступными для всех. Мы объединяем специалистов разных направлений, чтобы вместе создавать надёжные решения для клиентов и бизнеса. Обязанности разрабатывать и внедрять новые способы обучения сотрудников, анализировать эффективность активностей для роста плановых показателей развивать и контролировать эффективность команды руководителей групп обеспечивать стабильное достижение целей и рост выполнения плановых KPI Центра через системы контроля, отчётности и регулярных встреч внедрять улучшения процессов продаж и выстраивать эффективное взаимодействие с партнёрами МТС Банка урегулировать сложные и конфликтные ситуации с клиентами, поддерживать сотрудников, обеспечивать удержание клиентов Требования опыт управления продажами через линейных руководителей – от 1 года на аналогичной должности, общий стаж в финансовой сфере – от 3 лет высшее образование (экономика, финансы, менеджмент, управление персоналом). Наличие MBA, CFA, НАУФОР или ФСФР – преимущество ориентация на высокие результаты и системное мышление опыт обучения, наставничества и развития персонала (построение системы развития, проведение коучингов) глубокое знание процессов, стандартов и продуктов для состоятельных клиентов навыки аналитики, кросс-функционального взаимодействия и управления эффективностью (контроль KPI, бюджетирование, работа с отчётностью)