О нас за минуту
DV Group — это eRetail маркетинг. У нас две собственные платформы:
CDP (DV Platform) — сегментирует покупателей по чековым данным, MAID, строит Sales Lift.
DSP (DV Programmatic) — закупает трафик в RTB с таргетингом на реальных онлайн-покупателей (не на интересы). Уникальная интеграция с ПБД.
Что предстоит делать
Разработка и внедрение ML-моделей
Анализ больших объемов данных
Построение recommendation / prediction моделей
Подготовка и очистка данных
Проведение A/B тестов
Написание сложных запросов ClickHouse и их оптимизация
Взаимодействие с frontend-разработчиками, backend-разработчиками, аналитиками, product-менеджером и DevOps
Кто нам нужен
Python, SQL, Spark, ClickHouse
pandas, numpy, scikit-learn
Опыт работы с ML-моделями
Работа с оркестраторами (Dagster, Airflow) и Kubernetes
Понимание статистики и теории вероятностей
Способность разрабатывать надежные ETL пайплайны
Что предлагаем
Зарплата:
200 000 – 220 000 ₽ оклад net + годовая премия
Формат:
гибрид или полная удалёнка, но ты проживаешь в РФ
График:
10:00–19:00
ДМС
со стоматологией после испытательного срока, локация Москва
Свой
бариста
в офисе и правда классный
Экспертная среда
— никакой скуки, только реальные AdTech-задачи и возможность влиять на продукт
Продукт в
реестре отечественного ПО
— это важно для нас и для клиентов.
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.
🔭Чем у нас занимаются стажеры? - Сразу после этого получают свою первую настоящую боевую задачку (и НЕ страдают, так как ментор всегда под рукой) на дизайн или оценку будущего эксперимента.
УдалённоinternМосква
100 000 – 100 000 ₽
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
-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.
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
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.
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)
Автоматизировать процессы сборки, поставки и развертывания компонентов продукта. Автоматизировать выдачу результатов продукта конечным потребителям, включая перевод текущих ручных процессов в автоматизированный формат.
В рамках данной позиции предстоит заниматься проектированием и разработкой AI-агентов, включая реализацию сценариев, оркестрацию, вызов инструментов и интеграцию с внутренними сервисами. Необходимо преобразовывать прототипы и модели Data Science в стабильные промышленные решения, обеспечивая их упаковку, интеграцию в сервисы и пайплайны, версионирование и сопровождение. Работа включает разработку на Python сервисов, библиотек и пайплайнов, написание автотестов и участие в код-ревью. Также требуется проектировать, создавать и поддерживать витрины данных для ML-моделей и агентов, обрабатывать большие объемы данных с использованием SQL, Hadoop и Spark, оптимизировать запросы и вычислительные задачи. Важной частью является обеспечение качества и наблюдаемости решений через логирование, мониторинг, обработку ошибок и контроль качества данных. Кандидат должен иметь опыт промышленной разработки на Python не менее двух лет, уметь писать поддерживаемый код с типизацией, тестированием, обработкой ошибок и логированием, а также уверенно владеть SQL, включая сложные запросы, оконные функции и оптимизацию. Требуется опыт построения и сопровождения ETL/ELT-пайплайнов и витрин данных, а также опыт вывода сервисов, моделей или data-продуктов в промышленную эксплуатацию. Необходимо понимание принципов работы AI-агентов, включая оркестрацию, вызов инструментов, управление состоянием и интеграцию с API, а также жизненного цикла ML-модели от артефакта и данных до инференса, мониторинга и обновления. Будет преимуществом опыт разработки AI-агентов с использованием LangGraph, LangChain, LlamaIndex или собственного оркестратора, а также опыт работы с LLM, RAG и векторными хранилищами. Дополнительным плюсом считается опыт оркестрации пайплайнов в Airflow или аналогичных системах, работы с Kafka и событийными архитектурами, знание Docker, CI/CD и Kubernetes, практический опыт с Hadoop и Spark, внедрение ML- или LLM-сервисов во внутреннем контуре, а также опыт в банковском домене, продуктах для юридических лиц или документообороте. Формат работы — офис или гибрид в Москве.
Требования:
— Экспертный опыт администрирования Linux
— Опыт сопровождения высоконагруженных distributed systems
— Глубокое понимание S3/Object Storage и distributed storage architecture
— Опыт сопровождения Kubernetes-платформ
— Практический опыт эксплуатации компонентов Data Lake: Apache Spark, Airflow, Flink, Kafka, Apache Iceberg
— Опыт эксплуатации MinIO / Object Storage решений
— Понимание replication, erasure coding, consistency, fault tolerance
— Практический опыт troubleshooting: CPU, RAM, network, disk I/O, latency, throughput
— Опыт работы с observability stack: Prometheus, Grafana, alerting, log analysis
— Опыт автоматизации: Ansible, Terraform, Bash, Python
— Понимание incident/problem management и SRE-практик
— Навыки RCA, postmortem analysis и повышения reliability платформ
Задачи:
— Сопровождение и эксплуатация Data Lake платформ
— Поддержка S3/Object Storage инфраструктуры
— Мониторинг, диагностика и устранение инцидентов
— Troubleshooting производительности платформы и storage систем
— Сопровождение Kubernetes и компонентов Data Lake: Apache Spark, Airflow, Flink, Kafka, Apache Iceberg
— Проведение RCA и postmortem analysis
— Автоматизация эксплуатационных задач
— Взаимодействие с командами Data Engineering и инфраструктуры
— Сопровождение Big Data Platform
Условия:
— удаленный формат работы
— Белая заработная плата, оформление согласно Трудовому кодексу РФ
— Комфортный старт: 3 месяца плавного погружения под присмотром HR
— Поддержка: IT-отсрочку и консультации HR/юристов
— Прозрачные процессы и открытую коммуникацию
— Работу на лучшем оборудовании без логирования времени, с фокусом на доверии и результате
— ДМС: медицинское страхование за счет компании
— Развитие: индивидуальный план обучения, посещение конференций и митапов, поддержка в развитии карьеры
— Личный бренд: возможность выступать на конференциях, митапах, публикация статей
— Бенефиты: ежеквартальное обновление корпоративных скидок
— Движ: организация вечеринок оффлайн и онлайн, предоставление мерча, проведение конкурсов и челленджей
Задачи:
— Возглавлять команду Data Scientists, участвовать в найме, онбординге и развитии сотрудников;
— Обеспечивать операционную деятельность: дейли-митинги, спринт-планирование, ретроспективы, демо;
— Формировать и развивать бэклог задач, определять приоритетные бизнес-задачи и оценивать ценность решений;
— Выстраивать кросс-функциональное взаимодействие с Data Engineering, MLOps и бизнес-подразделениями, договариваться о приоритетах и ресурсах;
— Отвечать за полный жизненный цикл моделей: сбор данных, разметка, обучение, валидация, деплой, мониторинг;
— Руководить проектированием и внедрением решений;
— Обеспечивать разработку, валидацию и мониторинг моделей, включая стандарты, политики и документооборот;
— Проводить архитектурные ревью, задавать стандарты качества кода и документации;
— Принимать участие в написании production-кода;
— Контролировать соблюдение сроков и качества результатов;
— Переводить бизнес-проблемы в технические задачи, формулировать гипотезы, определять метрики успеха и критерии приемки;
— Презентовать результаты и влияние моделей бизнес-заказчикам, защищать метрики качества;
— Отвечать за разработку и согласование единых стандартов разработки моделей внутри подразделения.
Требования:
— Высшее техническое образование в области прикладной математики, информатики, компьютерных наук или смежных дисциплин;
— Совокупный опыт в Data Science и машинном обучении от 5 лет;
— Управленческий стаж минимум 2 года на позиции тимлида или руководителя ML-подразделения с прямым подчинением инженеров и дата-сайентистов;
— Успешная реализация комплексных проектов полного цикла с выводом в промышленную эксплуатацию;
— Опыт внедрения моделей в production и построения системы мониторинга их качества;
— Глубокое владение Python и SQL;
— Практика работы с пайплайнами оркестрации (Airflow), распределённой обработкой данных (Spark), контейнеризацией (Docker) и системами контроля версий (Git);
— Опыт работы с большими данными в среде S3/Hadoop и аналитическими СУБД ClickHouse, Greenplum;
— Уверенное знание классического ML-стека: градиентный бустинг, линейные алгоритмы, а также специализированные подходы — uplift-моделирование и антифрод-системы;
— Навыки декомпозиции сложных задач, распределения нагрузки, контроля сроков и качества delivery;
— Навыки эффективного взаимодействия с бизнес-заказчиками и смежными командами (Data Engineering, MLOps, Product);
— Владение инструментами командной работы Jira и Confluence.
Условия:
— Конкурентоспособная заработная плата, ориентированная на ожидания и квалификацию кандидатов;
— ДМС со стоматологией, корпоративное обучение;
— Офис/гибридный формат работы в Москве (Москва-Сити);
— Современные технологии и подходы к ведению проектов;
— Работа в аккредитованной IT-компании.
Задачи:
— выполнять функции по автоматизации расчетов драйверных моделей
— анализ текущего процесса, который в основном реализован в Excel и SQL скриптах, разбирать логику и формулы
— поиск источников данных, анализ и репликация источников в DWH, согласование с владельцами систем
— разработка меппингов для работы с большими хранилищами и системами с более чем 500 параметрами
— создание витрин данных, проектирование и наполнение агрегированных слоев для бизнес-планирования
— внедрение автоматизированного процесса поддержки, обучение бизнес-пользователей новому формату
— прототипирование во внутренней системе (собственная разработка), создание модели планирования и запуск расчетов
Требования:
— опыт от 3+ лет в аналитике данных, бизнес-аналитике, клиентской аналитике физических лиц
— опыт работы с большими данными (Spark, Hadoop, GreenPlum, ClickHouse), знание SQL и Python
— умение визуализировать данные, писать качественные бизнес-требования на разработку дашбордов
— понимание метрик и драйверов для процессов бизнес-планирования, управления продуктом, клиентской аналитики
— опыт финансового моделирования продуктов, проектов, пилотов, инициатив
— базовые знания статистики
Будет плюсом:
— опыт работы в Banking, Retail, FinTech, E-commerce, Telecom
— знания методов cohort analysis, uplift modeling
— опыт работы с ML-моделями
Условия:
— комфортный современный офис рядом с м. Кутузовская
— ежегодный пересмотр зарплаты, годовая премия
— корпоративный спортзал и зоны отдыха
— уникальная система обучения Сбера для профессионального и карьерного развития
— расширенный ДМС и льготное страхование для семьи
— 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
— корпоративная пенсионная программа
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
Удалённо
250 000 – 400 000 ₽
Гибрид
lead
Москва
Зарплата не указана
Все вакансии в одном месте — страница 2 · Job Hunters