Загружаем вакансии…
As the Senior Staff Machine Learning Platform Engineer, you will own the technical vision and evolution of Faire’s ML platform. You will set standards, influence org-wide architecture, and lead complex, cross-functional initiatives that unlock data science velocity at scale.
248 000 – 341 000 $
-Design, build, and maintain data infrastructure and pipelines spanning both batch and real-time / streaming workloads, contributing to architectural decisions along the way. -Build and maintain scalable, efficient, and reliable ETL/ELT pipelines using languages and frameworks such as Python, SQL, Spark, Flink, Beam, or equivalents.
126 000 – 180 000 $
• 3+ года опыта в аналитике. • Уверенное владение SQL.
Зарплата не указана
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
– выполнять задачи полного жизненного цикла: от сбора требований до выкатки на установку в прод; – разрабатывать и дорабатывать витрины и решения, автоматизировать их через оркестраторы;
Зарплата не указана
Создавать и развивать AI-ассистентов для разработки и аналитики: кодовые AI ассистенты для автоматизации разработки, помощник аналитика для ускорения экспериментов с использованием LLM. Проектировать архитектуру агентских решений и их интеграцию с платформой: определять, что остаётся доменной логикой, а что становится переиспользуемым компонентом платформы.
Зарплата не указана
ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ: Настраивать средства CI/CD для команды разработчиков;
Зарплата не указана
-Создавать AI-агенты и платформы для них. -Строить MLOps-инфраструктуру.
Зарплата не указана
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 — Тестирование механизмов обновления: отсутствие дубликатов при повторной загрузке — Блокировка записей с аномалиями (ошибки источника, некорректные форматы) — Анализ документации (ТЗ, мэппинги) для проектирования тест-кейсов Требования: — Опыт интеграции внешних источников (БКИ, ФНС, ЦБ) — Практическое знание SQL: написание проверочных запросов, анализ трансформаций, выявление расхождений — Понимание архитектуры Lakehouse (S3, Iceberg) и слоёв хранения (RAW/ODS/DDS) — Базовое чтение кода на Python (для анализа скриптов обработки данных) — Знание Big Data-инструментов: Airflow (мониторинг задач), Spark (понимание логики обработки), S3/Hadoop Условия: — Оформление по ТК РФ c полной «белой» историей
200 000 – 350 000 ₽
-Проводить анализ источников, унификацию/подключение источников к DDS. -Формировать витрины данных на слое DMT.
Зарплата не указана
Итак на эту позицию нужен data analyst, который глубоко работает с данными и это четко отражено в резюме. Прописаны обязанности, связанные непосредственно с данными в финтех области, раскрыт опыт Airflow, Oracle, service desk, ETL, PD, LGD, EAD, FineBI, SQL.
Зарплата не указана
Проект: команда развивает аналитические продукты и сервисы для внутренних пользователей и внешних клиентов Экосистемы банка. В рамках направления участвуют в развитии внутреннего продукта – Корпоративное хранилище данных на платформах Hadoop и Greenplum. Данные используются аналитиками банка для управленческой отчетности, моделирования, data science и автоматизированных процессов. Используются данные внутренних систем банка и внешних источников (Единый государственный реестр ЮЛ/ИП, база арбитражных дел, портал госзакупок и др.). Используемые инструменты: Hadoop, Greenplum, Oozie, Airflow, Nifi, Bash, Scala, Spark, Hive, Git, Jenkins, SonarQube. Требования: опыт работы со Scala и sbt, стеком технологий Hadoop (HDFS, Hive, Spark версии 2 и выше, spark SQL). Задачи: — разработка ETL потоков на платформе Hadoop (Scala + Spark SQL); — поиск возможностей оптимизации, повышение скорости расчёта и эффективности использования вычислительных ресурсов; — повышение стабильности работы приложений, анализ типовых ошибок и рисков, развитие системы логирования для промышленной эксплуатации, участие в решении инцидентов; — развитие системы контроля качества и автотестов. Условия: — возможность участия в интересном проекте; — профессиональный и карьерный рост в компании; — опыт работы в команде профессионалов; — уровень заработной платы обсуждается индивидуально; — формат работы офисный/гибридный в Москве; — перспективы профессионального развития в России и зарубежных представительствах.
Зарплата не указана
Constructor — инструмент AI-персонализации результатов поиска на e-com сайтах для роста конверсий в покупку и выручки. Среди клиентов — Sephora, American Eagle, Birkenstock и др. Требования: — 4+ года опыта — Знание Python — Опыт работы с PyTorch, Spark, Airflow — Отличное владение английским языком Формат работы: удалённо (EMEA)
Зарплата не указана
-Строить конвейеры подготовки данных: сбор, очистку, нормализацию, дедупликацию и разметку. -Формировать обучающие, валидационные и независимые оценочные выборки, контролировать утечки и пересечения.
Зарплата не указана
In this role you will: Design and implement scalable, high-load systems using various technologies in Python. Handle Big data.
Зарплата не указана
– Развивать корпоративную платформу данных и DWH; – Переводить существующие ETL-процессы с SSIS на Apache Airflow 3 и внутренний YAML-driven Python-фреймворк;
Зарплата не указана
Стек: Python (pandas, numpy), XGBoost/LGBM/CatBoost, SQL, Airflow, базовый DL.
Зарплата не указана
Разработка и внедрение ML-моделей прогнозирования спроса (временные ряды + градиентный бустинг + нейросети) на уровне SKU; Автоматизация пайплайнов ретрайна и мониторинга качества прогнозов в продакшене (MLflow, Airflow, Docker);
Зарплата не указана
Ожидания: - Опыт работы от 3 лет; - Уверенное владение SQL: базовая оптимизация запросов, написание и разбор сложных JOIN, подзапросов для анализа и проверки данных, умение писать максимально «дешевые» по потреблению ресурсов запросы; - Знание особенностей работы (написание SQL) с БД Oracle и PostgreSQL; - Знание основ Airflow; - Опыт работы в инструментах Service Desk, умение анализировать инциденты качества данных и взаимодействовать с командами разработки и аналитики. Желательно: - Знание основных критериев качества данных (полнота, согласованность, актуальность) и умение формализовать их в виде проверок и технической документации; - Знание основ FineBI или иного BI-инструмента; - Знание Excel, Informatica ETL, Python; - Знание правил формирования PD, LGD, EAD и других показателей, входящих в ПВР.
180 000 – 200 000 ₽