Задачи:
– Разработка и рефакторинг ETL/ELT пайплайнов на pyspark;
– Разработка и поддержка OLAP движков Starrocks/Clickhouse;
– Поддержка текущих пайплайнов на Greenplum и Hadoop;
– Миграция с HDFS на S3;
– Оптимизация spark-приложений.
Требования:
– Опыт работы с Python от 3 лет;
– Глубокое знание SQL и опыт работы с большими данными;
– Опыт работы с Apache Airflow;
– Опыт проектирования и разработки ETL/ELT процессов;
– Опыт работы с колоночными БД (ClickHouse);
– Знание принципов построения Data Warehouse и Data Lake;
– Понимание разницы между OLTP/OLAP системами;
– Уверенная работа c linux и git;
– Понимание процессов ci/cd.
Задачи:
— строить и улучшать модели для разных частей всего пайплайна
— заниматься полным циклом DS/ML задач
— участвовать в создании и развитии платформы рекламы
— улучшать процесс построения моделей (от выдвижения гипотез до мониторинга работы модели)
Примеры задач:
— построить эмбеддинги на основе описания рекламных объявлений и добавить эти данные в модели прогнозирования конверсии
— обучить модель для прогнозирования распределения ставок в аукционах и совместить модель с текущим алгоритмом определения ставки
— провести эксперименты с новыми офлайн/онлайн признаками в моделях и доставить признаки до сервиса на Go
— внедрить модель, которая фильтрует подозрительный входящий трафик
Требования:
— знание классического ML и Deep Learning подходов
— опыт промышленного использования методов RecSys
— опыт разработки моделей от проблемы до сопровождения в проде
— уверенный опыт разработки на Python и Pyspark, опыт написания продакшн-кода
— знание принципов распределенной обработки данных
— умение принимать решения на основании данных и аргументировать свою позицию
— умение находить решения для проблем, декомпозировать, объяснять и контролировать выполнение
Условия:
— офис метро Маяковская (Оружейный переулок)
— гибридный формат работы
— конкурентная компенсация (оклад и премии по результатам деятельности)
— ДМС с первого рабочего дня, страхование от несчастных случаев и тяжелых заболеваний
— материальная помощь и социальная поддержка, корпоративная пенсионная программа
— дисконт-программы от компаний партнеров
— бесплатный фитнес на территории работодателя
— подписка Прайм с возможностью совместного использования на трёх близких
— внешнее и внутреннее профессиональное обучение: семинары, тренинги, конференции, корпоративная библиотека
Задачи:
— Разрабатывать ML-модели (lookalike/response/uplift/recsys) для персонализации push/pull-коммуникаций, категорий кешбэка, рекламных материалов и других сценариев в цифровых каналах банка;
— Визуализировать и интерпретировать результаты, дизайнить A/B-тесты, проводить пилоты;
— Общаться с бизнесом и помогать решать задачи через данные и ML;
— Проходить полный цикл разработки модели: от уточнения требований до продакшна и мониторинга качества (если каких-то навыков не хватает — поможем развить);
— Разрабатывать AI-агентов.
Требования:
— Высшее техническое образование;
— 3+ года опыта в Data Science (именно построение моделей, не только аналитика);
— Уверенный математический аппарат: мат. статистика, теория вероятностей;
— Продвинутый Python и SQL (оконные функции, подзапросы — на автомате);
— Опыт работы со Scikit-learn, NumPy, Pandas/Polars, Matplotlib/Seaborn/Plotly, LightGBM/XGBoost/CatBoost, PyTorch/TensorFlow/Implicit/LightFM, Airflow, Git.
Будет большим плюсом:
— PySpark, Hive, Hadoop, Docker, Kubernetes;
— Опыт в банковской сфере и CVM;
— Модели склонности и uplift-моделирование;
— Рекомендательные системы (RecSys);
— NBA/NBO оптимизаторы (Next Best Action / Next Best Offer);
— ИИ-сервисы (real-time, near real-time или batch).
Условия:
— Гибридный формат работы, Москва, Москва-Сити (2 дня в неделю в офисе);
— Комфортный и современный офис;
— Обучение за счет компании (посещение конференций, курсов, помощь в написании статей на Хабр и т.д.);
— Вертикальное и горизонтальное развитие: регулярные тренинги, вебинары, митапы;
— Забота о вашем здоровье: ДМС с первого месяца работы, куда входит стоматология;
— Прозрачный доход по итогам интервью;
— Дополнительные бонусы от Россельхозбанка для сотрудников группы компаний (Скидки на спортзалы, рестораны, маркетплейсы и т.д.).
ГибридМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи:
— ценообразование
— uplift-моделирование
— задачи ранжирования
— модели склонности
— look-a-like
— response модели
— работа с регрессионными таргетами
— кластерный и факторный анализ.
Требования:
— опыт в части ML задач не менее 3 года
— опыт работы и глубокое понимание классического ML
— продвинутые знания статистики и машинного обучения
— опыт оценки качества результатов (DS и бизнес-валидация)
— опыт проведения A/B-тестов
— хорошие знания Python, SQL, Bash, PySpark.
Будет плюсом:
— опыт работы с Transformers
— успехи в ML-соревнованиях, хакатонов
— навыки работы с генеративными AI-моделями
— опыт создания AI-агентов и использования их в работе
— опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов.
Условия:
— работа в удобном и современном офисе недалеко от станции метро Кутузовская
— 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
— 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.
Задачи:
— Разработка и внедрение ML моделей на клиентской базе B2C и B2B для инвестиционных, страховых и сберегательных продуктов.
— Работа с рекомендательными системами и моделями отклика для СберБанк Онлайн и СберИнвестиций.
— Создание NLP-моделей на текстовых данных.
— Использование продвинутых подходов классического ML, включая uplift-моделирование, работу с несбалансированными классами, feature engineering на больших данных, SOTA-алгоритмы.
Обязанности:
— Построение ML моделей на основе табличных данных, последовательностей событий (кликстрим, транзакции и т.д.), текстовых данных.
— Написание production-ready кода и передача его в CI/CD пайплайн команды MLOps с ответственностью за качество кода и воспроизводимость.
— Улучшение процесса построения моделей, разработка прикладных модулей командного фреймворка для повышения производительности DS и улучшения качества кода в промышленной среде.
— Выдвижение data-driven гипотез и предложений для запуска новых механик, поиск инсайтов в данных.
Требования:
— Глубокое знание классического ML и опыт применения к реальным бизнес-задачам (градиентный бустинг, NLP алгоритмы).
— Понимание основных Deep Learning подходов.
— Продвинутое знание SQL (оконные функции, оптимизация плана запроса).
— Отличное знание Python, включая библиотеки catboost, pandas, numpy, sklearn, torch.
— Опыт работы с Hadoop, PySpark (оптимизация запросов, работа на общем кластере).
Условия:
— Комфортный современный офис рядом с м. Кутузовская.
— 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 для сотрудников выгоднее до 4%.
— Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.
— Вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— Разрабатывать и внедрять ML-модели для прогнозирования поведения клиентов-физических лиц и розничного продуктового портфеля Банка
— Рассчитывать ожидаемые денежные потоки по кредитным и пассивным продуктам Банка
Требования:
— Опыт работы в банковской сфере
— Опыт разработки и внедрения ML-моделей от сырых данных до production
— Работа с табличными данными
— Свободное владение Python: Pandas, NumPy, Matplotlib (или аналогичными инструментами визуализации)
— Знание SQL: оконные функции, сложные JOIN, оптимизация запросов к БД
— Хорошее владение ML-библиотеками: CatBoost, LightGBM, XGBoost, Scikit-learn
— Умение проводить стресс-тесты и А/В-тесты
— Понимание особенностей розничных банковских бизнес-процессов
— Преимуществом будет знание MLflow, Airflow, Butch Scoring, Docker, Spark / PySpark
Условия:
— Офисный формат работы
— Офис в центре Москвы
Мы ищем: Талантливого ML-разработчика с временными рядами и классикой, в области прогнозирования в ритейле на стажировку, которому предстоит работать над интересными высоконагруженными проектами.
Требования:
— Опыт в Data Science / Machine Learning от 2 лет;
— Прагматизм: готовность искать рабочие решения, а не идеальные, но нереализуемые модели;
— Глубокое знание Python, SQL и PySpark;
— Разработка ETL-процессов для обработки больших данных (чтение, трансформация, агрегация, запись);
— Оптимизация Spark-запросов (партиционирование, кэширование, работа с broadcast-переменными);
— Знание основных ML-фреймворков (Scikit-learn, TensorFlow/PyTorch);
— Опыт работы с данными: обработка, анализ, feature engineering.
Будет плюсом:
— Опыт продакшн-разработки (не только исследования);
— Понимание, как устроены процессы в бизнесе, а не только в Jupyter Notebook;
— Умение запускать ML-модели в PySpark;
— Использование Spark MLlib для распределенного обучения;
— Работа с PySpark Pandas UDFs для эффективного применения ML-моделей к большим данным.
Условия:
— Работа в команде экспертов;
— Широкий технологический стек, сотни проектов;
— Гибкий график работы, который позволяет высыпаться и выделять время на хобби;
— Возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии;
— Процессы удаленной работы и просторные офисы с зонами коворкинга;
— Возможность прокачаться во всех интересующих направлениях: стать тимлидом, архитектором, разработчиком full-stack;
— Развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка;
— Активный обмен опытом, внутренние и внешние митапы, хакатоны, доклады по развитию hard и soft skills;
— 50+ клубов по интересам и профессиональных сообществ внутри компании;
— Корпоративная база знаний и социальная сеть для удобства общения с каждым из 1500+ сотрудников.
Дополнительно:
— Набор осуществляется по ИТ специальностям, указанным в Приказе Минцифры № 27 от 22.01.2026г.
— Решение Министерства цифрового развития, связи и массовых коммуникаций РФ о предоставлении государственной аккредитации организации от 10.03.2022 №АО-20220309-3771014210-3
Задачи:
— разработка моделей по продуктам кредитов физических лиц (КФЛ) для Блока Финансы
— модели досрочного погашения кредитов/вкладов ФЛ на портфельном/клиентском уровне
— модели эластичности КФЛ
— модели рефинансирования КФЛ
— модели детекции аномалий по НОСТРО счетам
Обязанности:
— сбор и подготовка данных (Hadoop, pyspark)
— тестирование различных гипотез
— полный пайплайн разработки модели (бустинг, нейронные сети, временные ряды)
— общение с заказчиками и Data Engineer
Требования:
— опыт работы Data Scientist от 2 лет
— образование по направлениям "Математика", «Физика», «Мат. методы в экономике»
— глубокие знания в области теории вероятностей, статистики
— понимание алгоритмов ML-моделей (регрессии, классификации и т. д.)
— владение Python (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost и др.)
— будет плюсом владение одним из фреймворков DL, pyspark
Условия:
— комфортный современный офис рядом с м. Кутузовская
— офисный формат работы
— ежегодный пересмотр зарплаты, квартальная и годовая премия (зависит от должности и системы премирования)
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
— 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.
Задачи:
— строить ML модели на основе различных данных: табличные, графовые, NLP, GEO, последовательности событий (кликстрим, транзакции и т.д.)
— писать production код и выводить его в ПРОМ
— улучшать процесс построения моделей, разрабатывать собственные прикладные модули командного фреймворка разработки для повышения производительности DS и улучшения качества кода в промышленной среде
— выдвигать data-driven гипотезы/предложения для запуска новых механик, а также поиск инсайтов в данных.
Требования:
— глубокое знание классического ML
— понимание основных Deep Learning подходов
— продвинутое знание SQL
— отличное знание Python
— понимание и опыт АB-тестирования.
Будет плюсом:
— понимание специфики разработки ML-технологий, начиная с формулировки бизнес-проблемы, заканчивая выведением на регулярную основу в прод
— опыт решения задач ранжирования или Real Time Bidding
— опыт работы с Pyspark, Greenplum.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— офисный формат работы
— ежегодный пересмотр зарплаты, квартальная и 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
— подписка Прайм с возможностью совместного использования на трёх близких
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— поиск подходящих ML решений для решения бизнес-задач, проведение оффлайн и онлайн (А/Б) экспериментов
— разработка и улучшение ML-пайплайнов для задач RecSys: подготовка данных, обучение моделей, валидация и внедрение
— анализ и работа с большими объёмами данных на PySpark
— исследование и применение актуальных методик в области Data Science, Machine Learning и RecSys
— взаимодействие с командой разработки и аналитики, генерация гипотез, участие в обсуждении решений и донесение результатов своей работы до команды.
Требования:
— опыт работы в области Data Science от 1 до 3 лет
— интерес к рекомендательным системам, желание развиваться и постепенно брать на себя больше ответственности
— практические навыки решения ML-задач: от подготовки данных и выбора алгоритмов до настройки гиперпараметров и оценки качества моделей
— хорошая база в алгоритмах машинного обучения и интеллектуальном анализе данных; опыт применения классических ML- и/или DL-подходов будет преимуществом
— хорошее знание Python и основных DS-фреймворков (PyTorch, PySpark и др.), понимание принципов написания качественного кода
— способность самостоятельно разбираться в новых подходах, читать технические материалы на английском и применять их на практике
Будет плюсом:
— опыт реализации DS-проектов в области рекомендаций
— опыт работы с ranking-задачами, feature engineering, A/B-тестами или ML-экспериментами
— опыт вывода ML-решений в production или участия в развитии ML-пайплайнов.
— опыт работы с высоконагруженными системами с машинным обучением и Big Data
— участие в профильных курсах, соревнованиях или pet-projects в области ML/RecSys.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— возможность выбрать удобный график – офис/гибрид
— 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
— подписка Прайм с возможностью совместного использования на трёх близких
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— участвовать в полном цикле разработки моделей по рискам розничного бизнеса: постановка задачи, сбор данных, разработка ML-модели, подготовка артефактов для внедрения
— исследовать источники данных и современные архитектуры для повышения качества работы моделей
— написание алгоритмов для целей сегментации выдач по риск-доходности
— презентация результатов исследований бизнес-заказчикам.
Требования:
— опыт разработки моделей машинного обучения (классический стек)
— знание ключевых методов и алгоритмов в области Machine Learning
— знание Python и библиотек Pandas, Scikit-learn, XGBoost/LightGBM/CatBoost, Transformers
— навыки работы с базами данных, знание SQL, PySpark
— высокий уровень ответственности и самостоятельности
Будет плюсом:
— опыт стажировок
— опыт с LLM и AI-агентами
— учебные знания в области розничного кредитования, портфельного управления и математики кредитных рисков.
Условия:
— оплачиваемая стажировка
— возможность выбрать удобный график – офис или гибрид (локация: м. Кутузовская)
— корпоративный спортзал и зоны отдых.
Задачи:
— сопровождение и развитие аналитической отчетности с фокусом на работу с данными, SQL-логикой и корректностью бизнес-показателей;
— автоматизированный отчет, который обращается к данным витрины с использованием PySpark, обработка данных на Python и Pandas, формирование итоговой HTML-страницы;
— анализ и доработка источников данных;
— контроль корректности показателей, актуальности бизнес-логики, качества данных и стабильности формирования отчета;
— доработка SQL-логики, обработки данных, структуры отчета и итоговой HTML-страницы.
Дополнительно:
— участие в развитии AI-агента по отчетности, автоматизирующего text2sql-задачи: перевод пользовательских запросов в SQL, сбор данных, проверка показателей, подготовка структурированных ответов для руководства банка;
— понимание SQL, аналитического контекста, структуры витрин данных;
— проверка корректности сгенерированных запросов и результатов;
— участие в настройке логики взаимодействия агента с данными.
Требования:
— опыт работы в разработке на Python от 3 лет;
— уверенное владение Python, Pandas, SQL, PySpark (Hadoop/Spark);
— знание matplotlib/seaborn, Jupyter Notebook;
— знание HTML;
— навыки работы с Git, умение читать код DS и приводить его к инженерным стандартам production.
Условия:
— график работы 5/2, офисный формат (м. Кутузовская);
— оформление по ТК РФ, оплачиваемые больничные листы;
— спортивные и корпоративные мероприятия;
— программа обучения;
— добровольное медицинское страхование;
— и многое другое.
Задачи:
— работать с большими данными в экосистеме Hadoop (PySpark, SQL) — от выгрузки и разведки до построения витрин для моделей
— разрабатывать индивидуальные модели эластичности и клиентского поведения в сегменте B2C — от прототипа до продвинутого пайплайна обучения и предсказаний
— проверять бизнес-гипотезы и превращать их в измеримый эффект: дизайн и оценка A/B-тестов (мэтчинг, продвинутые методы causal inference, интерпретация результатов)
— выстраивать коммуникацию с заказчиками: согласовывать метрики, защищать подходы, показывать ценность данных на понятном языке
— обеспечивать надёжность и мониторинг внедрённых решений — чтобы модель работала стабильно и приносила пользу каждый день.
Требования:
— опыт работы Data Scientist от 5 лет
— высшее техническое образование (будет плюсом если выпускник - МГУ, МФТИ, ВШЭ и других ведущих вузов страны)
— понимание теории вероятностей и статистики
— уверенное владение широким спектром ML-алгоритмов — регрессия, классификация, кластеризация, а также uplift-моделирование (способность оценивать причинно-следственные эффекты, а не просто предсказывать)
— владение Python и ML библиотеками (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost, etc.)
— плюсом будет опыт работы с pytorch, pyspark.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— возможность выбрать удобный график – офис/гибрид
— ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования)
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
— 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.
Задачи:
— участие в создании и поддержке аналитических решений для повышения эффективности маркетинговых кампаний;
— применение методов машинного обучения, особенно uplift-моделирования, для оптимизации взаимодействия с клиентами и повышения ROI;
— построение uplift-моделей по сегментам для разных групп;
— разработка uplift-моделей для различных номиналов промоакций с последующей оптимизацией;
— прогнозирование RFM;
— участие в проведении A/B тестов, расчет финансовых эффектов от внедрения моделей, генерация признаков для моделей.
Требования:
— базовое понимание статистики и теории вероятностей;
— опыт работы с Python (Pandas, NumPy);
— знание основ машинного обучения (линейная регрессия, деревья решений, случайный лес);
— понимание концепции uplift-моделирования;
— опыт работы с табличными данными;
— понимание принципов распределенных вычислений (PySpark);
— опыт коммерческой разработки.
Технологии и инструменты:
— работа с данными: pyspark, SQL, S3;
— классический ML и uplift: Scikit-learn, XGBoost, LightGBM, CatBoost, scikit-uplift;
— разработка и версионирование: Jupyter Notebook, VS Code/PyCharm, git;
— ML инфраструктура: JupyterHub, MLFlow, Airflow, PostgreSQL;
— ML: Transformers, SGLang, Triton;
— процессы: Jira, Confluence.
Задачи:
— Проектировать и запускать пакетные и потоковые конвейеры данных на Databricks и Apache Spark в AWS, включая загрузку из баз данных, API и потоков событий.
— Формировать архитектуру lakehouse на S3 и Delta Lake с использованием медальонного слоя (Bronze / Silver / Gold) и оптимизацией хранения.
— Работать напрямую с аналитиками, инженерами и продуктовыми командами для преобразования сырых данных в надежные и полезные бизнес-данные.
— Вести проекты от согласования с заинтересованными сторонами и обзора дизайна до реализации, запуска и поддержки.
— Создавать решения для самостоятельного доступа к данным для других команд, масштабируемые и расширяемые.
— Строить и поддерживать масштабируемые ETL/ELT конвейеры с отказоустойчивостью и оптимизацией затрат.
— Оптимизировать Spark задачи по размеру кластера, кэшированию, соединениям, шифлам, партиционированию и форматам хранения (Parquet, Delta).
— Управлять рабочими процессами Databricks, заданиями, конфигурациями кластеров и инфраструктурой, включая политики безопасности и доступ.
— Внедрять управление данными и контроль доступа с Unity Catalog, включая обработку персональных данных.
Требования:
— Практический опыт работы с Databricks и глубокое владение Apache Spark (PySpark и/или Scala).
— Сильные навыки Python для обработки данных, а также SQL и Spark SQL для трансформаций и аналитики.
— Опыт работы с Delta Lake и архитектурами lakehouse, включая оптимизацию производительности.
— Подтвержденный опыт владения проектами, умение выявлять слабые места, собирать обратную связь и создавать масштабируемые решения.
— Опыт написания чистого, тестируемого и поддерживаемого кода с использованием контроля версий на Git.
— Опыт работы с инфраструктурой как кодом (Terraform или Ansible) является плюсом, но не обязателен.
Условия:
— Возможность создавать инновационные решения в финтехе Юго-Восточной Азии.
— Опционы на акции с четырехлетним вестингом и 25% клиффом после первого года.
— Гибридный формат работы с возможностью полностью удаленной работы для подходящих ролей, основные часы с 12:00 до 19:00 по манильскому времени (UTC+8).
— Предоставление инструментов и оборудования компанией.
— Офис в Bonifacio Global City, Манила.
— Медицинская страховка с поддержкой для сотрудника и семьи.
— Доступ к внутреннему специалисту по психическому здоровью.
— 22 дня отпуска, государственные праздники Филиппин и 15 дней больничных.
— 105 дней оплачиваемого декретного отпуска и до 14 дней оплачиваемого отпуска по уходу за ребенком для сотрудников, переезжающих в Манилу.
— Поддержка при релокации для сотрудника и семьи, включая перелеты, проживание, визы, оформление документов и логистику.
— Возмещение расходов на перевозку домашних животных.
— Ежегодно до 2500 долларов США на перелеты домой.
— Ежемесячные выплаты на детей для сотрудников, переезжающих в Манилу: 1000 долларов на ребенка до 2 лет и 500 долларов на ребенка от 2 до 18 лет.
— Возможности для профессионального роста через внутренние встречи, внешние конференции, выступления и публикации.
— Спонсируемые компанией поездки в Манилу для личных встреч с командой.
— Регулярные командные выезды, спортивные мероприятия и события.
— Возможность для высокоэффективных команд получить неделю отдыха на пляже в Юго-Восточной Азии.
Гибрид
Зарплата не указана
Все вакансии в одном месте — страница 2 · Job Hunters