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.
Уверенное владение SQL (сложные запросы, оконные функции, JOIN-ы, агрегации) и Python (библиотеки Pandas, NumPy, матплотлиб/сиборн). Опыт анализа моделей данных и источников данных.
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).
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);
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.
ГибридМосква
Зарплата не указана
ТТоварищество с ограниченной ответственностью MoDes Systems
- Опыт разработки и применения моделей машинного обучения для решения прикладных задач: прогнозирования, классификации, оптимизации, выявления аномалий и анализа производственных процессов. - Разрабатывать и внедрять алгоритмы машинного обучения и интеллектуального анализа данных для задач энергетической отрасли.
Разработка и сопровождение предиктивных моделей эффективности закупки трафика; Разработка регрессионных и классифицирующих моделей для различных задач маркетинга (прогноз плательщика, оттока и т.п.);
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.
Задачи:
– проектирование и разработка слоев данных (Raw, Clean, Enriched/Presentation) с учетом лучших практик моделирования (Data Vault 2.0 / 3NF для хранилища, Star Schema для витрин);
– разработка и внедрение кастомных алгоритмов дедупликации и Entity Resolution (Fuzzy Matching) на Python;
– формализация бизнес-правил качества данных в код, настройка уровней доверия к источникам и правил выживания (survivorship rules);
– внедрение Data Contracts и механизмов карантина (quarantine) для некачественных данных с возможностью их последующего разбора;
– настройка автоматизированного тестирования данных (Data Quality checks) в пайплайнах.
Требования:
– Продвинутый уровень SQL и опыт работы с dbt (или аналогами) для построения слоев данных;
– уверенное владение PySpark и/или pandas для обработки больших объемов данных и реализации логики матчинга;
– практический опыт применения библиотек нечёткого поиска и связывания записей (Splink, recordlinkage, dedupe, theFuzz);
– понимание принципов работы алгоритмов сравнения строк (Левенштейн, Джаро-Винклер, косинусное сходство на TF-IDF/эмбеддингах);
– глубокое понимание 2-3NF, Data Vault 2.0 и различий между слоями сырых, очищенных и обогащенных данных;
– опыт внедрения инструментов тестирования данных (Great Expectations, Soda, dbt tests, deequ или аналоги);
– опыт работы с оркестраторами (Airflow, Dagster или Prefect), уверенное использование Git и базовые навыки CI/CD для дата-пайплайнов.
Требования:
- Опыт TeamLead (управление командой) не менее 4 лет;
- Опыт разработки ETL/ELT-процессов, в которых значительная часть логики реализована на стороне СУБД;
- Опыт разработки и сопровождения хранимых процедур / функций в СУБД;
- Практический опыт использования SQL/PLSQL или аналогичных процедурных расширений SQL для реализации загрузок и трансформаций данных;
- Опыт участия в проектах миграции ETL-систем (Apache стек);
- Опыт разработки на Python (написание ETL-скриптов, работа с pandas, интеграция с API);
- Опыт написания и отладки DAG'ов в Apache Airflow (не только проектирование, но и разработка);
- Опыт работы с PySpark (трансформации, оптимизация, партиционирование);
- Опыт миграции ETL-процессов с Informatica PowerCenter на открытый стек (Airflow + Greenplum);
- Глубокое практическое знание NiFi и Airflow: проектирование потоков, подключение источников, обработка ошибок, мониторинг, отладка;
- Опыт работы с качеством данных: разработка правил валидации, анализ влияния на бизнес-процессы;
- Понимание архитектурных подходов к проектированию хранилищ, различие ETL и ELT;
- Опыт работы с Hive metastore (устройство, хранение на PostgreSQL) и форматами файлов (Parquet, ORC);
- Опыт работы с Оracle;
- Опыт применения сложных SQL-запросов (оконные функции, джоины);
- Умение оптимизировать запросы для highload-среды;
- Опыт проектирования интеграций Apache-стека с Kafka и BI-системами;
- Опыт настройки потоковой обработки данных;
- Опыт работы с Hadoop и Hive (знание версий, источников данных);
- Опыт работы с PostgreSQL, Greenplum, Clickhouse;
- Опыт работы с Grafana/Prometheus для отслеживания ETL-процессов;
- Опыт работы с биллингом;
- Опыт автоматической валидации и контроля качества данных после миграции (сравнение результатов, метрики);
Обязанности:
- Миграция ETL-процессов с Informatica PowerCenter на целевой стек: NiFi + Airflow + Greenplum + SQL/хранимые процедуры.
- Подготовка документации AS IS и TO BE;
- Написание SQL кода;
- Отслеживание метрик.
Neoai IT Center izlayapti mutaxassislarni bir nechta yo'nalishlarda: backend dasturlash (python, Django, Fastapi, Node.js, Express.js, Java, Spring Boot, PHP, Laravel, Rest API, Postgresql, Mysql, Mongodb, Git, Docker), frontend (HTML, CSS, JavaScript, TypeScript, React, Next.js, Vue.js, Angular, Tailwind CSS, Bootstrap, Git), mobil dasturlash (Dart, Flutter, Kotlin, Java, Swift, React Native, Firebase, Android Studio, Xcode, Git), UX/UI dizayn (Figma, Adobe XD, Photoshop, Illustrator, Figjam, UI Design, UX Research, Wireframing, Prototyping, Design System), kiberxavfsizlik (Linux, Python, Bash, Networking, TCP/IP, Wireshark, Nmap, Burp Suite, Metasploit, OWASP, Git, Docker), data science (Python, Numpy, Pandas, Matplotlib, Seaborn, Scikit-learn, TensorFlow, PyTorch, SQL, Jupyter Notebook, Git), data analitika (Python, Pandas, Numpy, SQL, Excel, Power BI, Tableau, Matplotlib, Seaborn, Jupyter Notebook), sun'iy intellekt (Python, PyTorch, TensorFlow, Keras, Scikit-learn, Hugging Face, OpenAI API, Langchain, Numpy, Pandas, Git, Docker), robototexnika (Python, C++, Arduino, ESP32, Raspberry Pi, ROS, Matlab, Arduino IDE, OpenCV, Sensors, Git). Ish joyi Toshkent shahrida, ish vaqti 3 soat, maosh 4-5 million so'm. Vazifalar: o'quvchilarga zamonaviy IT texnologiyalarini nazariya va amaliyot asosida o'rgatish, darslarni amaliy loyihalar va real vazifalar bilan tashkil etish, o'quvchilar bilan individual ishlash va ularning rivojlanishini kuzatib borish, dars materiallari va amaliy topshiriqlar tayyorlash. Nomzodlar mas'uliyatli, kommunikativ bo'lishi, o'z yo'nalishi bo'yicha amaliy tajribaga ega bo'lishi, yangi texnologiyalarni muntazam o'rganib borishi talab etiladi. Shuningdek, tajribali mutaxassislar bilan birga professional muhitda rivojlanish imkoniyati mavjud.
Toshkent
Зарплата не указана
УдалённоmiddleМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.