Задачи:
— Разрабатывать и развивать систему аналитики маркетинга: метрики, исследования, прогнозы, модели.
— Поддерживать запуск маркетинговых активностей, направленных на увеличение выручки.
— Собирать и анализировать данные по эффективности онлайн и оффлайн маркетинговых активностей: контент, мероприятия, акции, трафик, вебинары и прочее.
— Рассчитывать и предлагать решения по улучшению ключевых метрик: LTV, ROMI, DRR, ROI, CAC, конверсии и другие.
— Оценивать эффективность рекламных кампаний и каналов привлечения.
— Сегментировать клиентскую базу, проводить RFM-анализ.
— Помогать строить data-driven стратегию маркетинга, отвечая на вопросы «что происходит?» и «что с этим делать?».
— Работать с командами внутри компании для получения точных и полезных данных.
— Составлять задания на автоматизированные отчеты.
— Строить сквозную аналитику и настраивать автоматизированные дашборды для мониторинга ключевых показателей в реальном времени.
— Анализировать конкурентов и их маркетинговую активность.
— Подготавливать регулярные и ad-hoc аналитические отчеты.
Требования:
— Уверенный опыт работы в маркетинговой аналитике от 2 лет.
— Свободное владение Яндекс.Метрикой и Google Analytics 4 для отслеживания трафика и поведения пользователей.
— Уверенная работа с Excel и Google Таблицами, включая сводные таблицы и сложные формулы.
— Практический опыт написания SQL-запросов (опыт работы с ClickHouse будет преимуществом).
— Знакомство с построением дашбордов в Grafana, DataLens или аналогах.
— Опыт настройки сквозной аналитики и разметки событий.
— Понимание бизнес-метрик (CAC, LTV, ROI, Conversion Rate) и их связи с пользовательским поведением.
— Умение считать unit-экономику и рекомендовать решения на основе данных.
— Аналитический склад ума, умение работать с большими объемами данных и выявлять причины и следствия.
— Стремление к автоматизации рутинных задач и использование ИИ в работе.
Будет плюсом:
— Опыт работы с Python (Pandas, NumPy, Jupyter) для автоматизации, углубленного анализа и прогнозирования.
— Опыт проведения A/B-тестирований и оценки их результатов.
— Понимание основ веб-технологий (HTML, JS, API).
— Углубленные знания Bitrix24.
— Опыт работы с B2B.
— Умение анализировать и оценивать качественные и количественные исследования.
Условия:
— Работа в стабильной, динамично развивающейся компании.
— Интересные и масштабные задачи.
— Оформление по ТК РФ.
— Конкурентная заработная плата по результатам собеседования.
— Гибридный график работы в офисе (Москва или Санкт-Петербург), 5/2 с 10:00 до 19:00.
Задачи:
— Оценивать платёжеспособность клиентов, исследовать источники данных, строить модели оценки дохода и кредитной нагрузки, внедрять их в скоринг
— Сегментировать клиентов по уровню благосостояния, использовать данные экосистемы для ранжирования и персонализации решений
— Проверять гипотезы, применять A/B-тестирование, методы прикладной статистики и ML-подходы
— Оптимизировать ручные проверки — определять, кто действительно нуждается в ручной верификации, чтобы снизить нагрузку на операции и повысить прибыль
— Строить модели оценки дохода и благосостояния клиентов
Требования:
— Знание теории вероятностей
— Знание математической статистики и классических методов машинного обучения
— Владение SQL, Python (pandas, sklearn)
— Умение анализировать бизнес-процессы
— Умение адаптировать скоринговые модели под стратегию
Условия:
— Гибридный график и офис у метро «Белорусская», в котором есть Т-Клиника, салон красоты, фитнес-зоны, комнаты для сна и медитации, терраса с панорамным видом
— Возможность работы в аккредитованной ИТ-компании
— ДМС со стоматологией, включая чекапы, компенсацию покупки лекарств и льготные условия страхования для близких, страховка от несчастных случаев и болезней
— Рост по карьерному треку с курсами по софт- и хард-скиллам, поддержкой ментора, матрицей компетенций и регулярным ревью
— Сильное комьюнити с экспертами, конференциями, митапами и статьями
— Онлайн-консультации с психологами, юристами, специалистами по финансам и здоровому образу жизни
— Компенсация затрат на спортивные абонементы, приложение Т-Спорта и командные тренировки
— Завтраки и обеды в Т-Кафе, ресторан и кофейни в офисе, кухни на этажах
— 3 дополнительных дня к отпуску или компенсация
— Специальные тарифы на продукты Т-Банка и программу скидок от партнеров
— Достойная зарплата, обсуждаемая на собеседовании
Мы предлагаем:
Пятидневный рабочий график с 09:00 до 18:00;
Формат работы: офисный/гибридный: Тюмень - Газовиков 73, Москва - Зубовский бульвар 25к1;
Официальное трудоустройство, фиксированный оклад+KPI;
Внутреннее и внешнее обучение с первого рабочего дня (наставничество от ТОП-менеджеров, корпоративные бизнес-тренеры, софинансирование внешнего обучения до 100%);
Возможность реализовать свои идеи и проекты внутри компании;
Корпоративную систему скидок на приобретение жилья;
Чем предстоит заниматься:
Разработка промтов и цепочек промтов для задач аналитики;
Настройка AI-агентов через n8n, Cursor;
Работа с API LLM (ChatGPT, DeepSeek, Claude) – вызовы, обработка контекста, настройка параметров;
Построение AI-дашбордов и отчётности – генеративные сводки, автоматические выгрузки;
Работа с методологами на этапе требований – перевод методологических требований в спецификации для промтов и агентов;
Тестирование промтов, оценка качества ответов моделей, итерационная доработка;
Мы ожидаем:
Опыт работы с промптингом LLM : составление структурированных запросов и системных инструкций, понимание параметра креативности (temperature) и контекста. Опыт работы с двумя и более моделями (ChatGPT, Claude, DeepSeek);
n8n / Cursor — хотя бы один: собирали workflow или агента;
Понимание методологии: суть процессов, ключевые артефакты, роли, точки контроля; не владение, а понимание, достаточное для грамотной постановки требований к моделям и оценки корректности постановки;
Опыт работы с Excel / Google Sheets : формулы, сводные таблицы; Power Query — плюс.
Будет плюсом:
Опыт работы с Python – pandas, обработка данных, чтение/запись файлов.
Мы оперативно принимаем решения, вам предстоит 2 этапа:
Телефонное интервью с ИТ-рекрутером;
Интервью, совместно с HR (1 час).
Предусмотрено небольшое тестовое задание: по делу, без больших трудозатрат.
Обратная связь после интервью / подготовка предложения о работе - до 7 рабочих дней.
ГибридГеография найма не уточнена
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Настройте подбор, и подходящие вакансии будут приходить в Telegram.
О компании
Points Health - это экосистема высокоточных маркетинговых решений для фармацевтических брендов. Компания работает с данными более чем 38 000 аптек по всей России и внедряет современные методы аналитики.
Роль и задачи
Ищут сильного лидера и эксперта, который будет ключевым звеном в трансформации больших и грязных фармацевтических данных в ценные бизнес-инсайты. Обязанности включают управление командами, выстраивание архитектуры данных, методологии очистки и анализа, создание прогностических моделей для повышения эффективности продаж и маркетинга.
Ключевые обязанности:
Управление и стратегия:
— Разработка стратегии работы с данными для поддержки и развития продуктов "Stock Index" и "Мой Бонус".
Работа с данными (Data Engineering):
— Управление ETL-процессами: сбор, очистка, стандартизация и валидация больших массивов данных из различных источников.
— Обеспечение высокого качества и надежности данных для аналитики.
Анализ и моделирование:
— Применение многомерных методов анализа данных: регрессионный, кластерный, факторный анализ.
— Разработка прогностических и "what-if" моделей для прогнозирования продаж, оценки маркетинговых активностей и ценообразования.
— Построение и валидация моделей для оптимизации товарного запаса и предотвращения дефектуры.
Взаимодействие с бизнесом:
— Трансформация сложных аналитических выводов в понятные бизнес-рекомендации для топ-менеджмента и клиентов.
— Сотрудничество с продуктовыми командами для внедрения моделей в продукты Points Health.
Ключевые требования
Опыт:
— От 3 лет в Data Science, управлении аналитикой или аналогичных ролях с опытом руководства проектами или командами.
— Опыт в фармацевтической отрасли будет преимуществом.
Образование:
— Высшее образование (Магистр или PhD) в математике, статистике, эконометрике, компьютерных науках, Data Science или смежных дисциплинах.
Технические навыки:
— Экспертный уровень владения Python (pandas, scikit-learn, statsmodels, PyMC) и SQL.
— Опыт с библиотеками машинного обучения и статистического моделирования.
— Глубокое знание методов экстраполяции, агрегации, кластерного и факторного анализа, регрессионного анализа (включая байесовские подходы) и эконометрических методов.
— Опыт построения прогностических моделей (временные ряды, XGBoost) и "what-if" сценариев.
— Опыт работы с большими данными, их очисткой, трансформацией и интеграцией.
— Умение создавать дашборды и отчеты в Power BI, Tableau или Qlik.
Личные качества:
— Сильное аналитическое и критическое мышление.
— Управленческая зрелость, способность принимать решения в условиях неопределенности.
— Отличные коммуникативные навыки и умение доносить сложные концепции до не-технических специалистов.
— Проактивность, ориентация на результат и клиентоориентированность.
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
УдалённоСтажёрБудет 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
Задачи:
— Управление командами Data Analysts и Data Scientists, распределение задач, развитие экспертизы и формирование рабочих процессов.
— Формирование и развитие data-driven стратегии направления Soft Collection.
— Анализ поведения клиентов и эффективности стратегий коммуникации с клиентами.
— Разработка и внедрение ML-моделей для прогнозирования вероятности платежа, сегментации клиентов, определения оптимального канала и времени коммуникации, приоритизации клиентов и оценки эффективности стратегий collection.
— Разработка стратегий Decisioning / treatment для определения кому, когда и каким способом осуществлять коммуникацию.
— Проведение A/B-тестов и uplift-исследований, оценка причинно-следственного воздействия стратегий взыскания.
— Развитие системы KPI и метрик направления: cure rate, roll rate, recovery rate, collection rate, cost-to-collect, ROI и других бизнес-метрик.
— Создание аналитических витрин, дашбордов и систем мониторинга эффективности стратегий и моделей.
— Взаимодействие с бизнесом, Collection, Risk, IT, Data Engineering и другими подразделениями.
— Преобразование бизнес-задач в аналитические и ML-задачи, обеспечение внедрения в production.
— Ответственность за качество моделей, мониторинг производительности и регулярный пересмотр стратегий.
— Развитие культуры experimentation и принятия решений на основе данных.
Требования:
— Уверенное владение Python: pandas, numpy, sklearn и ML-библиотеки.
— Продвинутый уровень SQL.
— Хорошее понимание статистики, ML и методов оценки моделей.
— Опыт в A/B-тестах, propensity-моделях, классификации, сегментации и прогнозировании.
— Знание банковских/финансовых метрик и кредитных процессов — большой плюс.
— Опыт работы с большими данными и распределёнными вычислениями — преимущество.
— Опыт разработки аналитических решений и ML-моделей от постановки задачи до внедрения в production.
— Понимание принципов MLOps и мониторинга моделей — преимущество.
— Опыт работы с BI-инструментами и созданием управленческих дашбордов.
— Опыт управления командами аналитиков / Data Scientists или техническое лидерство.
— Умение самостоятельно формировать roadmap направления.
— Сильные коммуникативные навыки и умение говорить на языке бизнеса и финансовых результатов.
— Умение декомпозировать сложные задачи и расставлять приоритеты.
— Ориентация не только на качество аналитики или моделей, но и на бизнес-эффект.
— Способность развивать сотрудников и повышать профессиональный уровень команды.
Задачи:
— Формирование выгрузок с помощью SQL-запросов;
— Взаимодействие с разработчиками БД по вопросам качества данных;
— Анализ данных о поведении клиентов из информационных систем компании (БД, CRM, Hadoop), сегментирование, выявление паттернов;
— Взаимодействие и презентация результатов работы отделам продаж и смежным подразделениям;
— Создание дашбордов с метриками;
— Выявление проблем, построение простых моделей, поиск и выявление зависимостей для формирования гипотез об улучшениях бизнес-процессов и финансовых показателей компании;
— Дизайн и интерпретация A/B тестов.
Требования:
— Продвинутый уровень SQL (виды джойнов, подзапросы, аналитические функции, оптимизация запросов, оконные функции);
— Python (основные методы работы с данными, pandas);
— Знание инструментов визуализации (FineBI, Tableau, PowerBI);
— Знания в области A/B тестирования, подсчета стат. значимости экспериментов;
— Умение видеть за цифрами причины и суть явлений и выделять главное.
Плюсы:
— Опыт работы с PostgreSQL, Hadoop (Hive/Presto);
— Опыт работы с sales подразделениями.
Условия:
— Гибкий гибридный график;
— Корпоративный ДМС с первого месяца работы;
— Активная корпоративная жизнь, неформальные оффлайн-встречи, возможность командировок из другого города;
— Кофе в кофемашинах, чай, печенье, фрукты на кухне;
— Электронная корпоративная библиотека;
— Возможность профессионального развития, обучение за счет компании, участие в конференциях;
— Достойный уровень заработной платы;
— Аккредитация в Минцифры.
Задачи:
— исследовать клиентский опыт, анализировать поведение пользователей, проводить UX/UI-исследования и находить скрытые барьеры в воронках продаж продуктов
— оценивать результативность, измерять эффект от запущенных инициатив и превращать метрики в понятные инсайды для бизнеса
— искать возможности для роста, генерировать и приоритизировать гипотезы для обгона конкурентов и захвата новой доли рынка
Требования:
— продвинутый уровень Excel (финансовые модели, массивные формулы, сводные таблицы)
— уверенный SQL (join’ы, оконные функции, агрегации, подзапросы, оптимизация запросов, работа с временными рядами)
— Python (pandas, numpy)
Условия:
— комфортный современный офис рядом с м. Кутузовская
— формат работы – офис
— 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.
ОфисМосква; Аналитик-исследователь, который не просто считает цифры, а находит в них смысл и меняет продукт к лучшему
Задачи:
- Готовить отчёты, расчёты и презентации для клиентов.
- Работать с данными мониторинга рекламных размещений.
- Проверять актуальность и корректность данных, находить расхождения, ошибки и дубли.
- Оперативно отвечать на вопросы клиентов в рабочих чатах.
- Вести базу рекламных конструкций: искать и добавлять объекты, заполнять координаты и параметры.
- Собирать креативы, адресные программы и открытую геоинформацию.
- Использовать Python, SQL и ИИ-инструменты для обработки данных и подготовки материалов.
Требования:
- Уверенный Excel: формулы, ВПР/XLOOKUP, фильтрация, сводные таблицы.
- Уверенный PowerPoint: работа с графиками и сборка презентаций по шаблону.
- Базовый Python: работа с таблицами и CSV, запуск и простая доработка готовых скриптов; знание pandas будет плюсом.
- Базовый SQL: простые запросы с использованием SELECT, WHERE, JOIN, GROUP BY.
- Умение использовать ИИ-инструменты и проверять полученный результат.
- Готовность к повторяющимся задачам и большим объёмам информации.
- Грамотный русский язык.
Условия:
- Полная занятость.
- Гибкий график.
- Формат на выбор - удаленный, гибридный, офисный (офис в Ташкенте).
- Оплата от $600 до $1 000 по результатам собеседования.
Location: New York, NY (HQ)
Workplace: Hybrid
ABOUT RAMP
Ramp is building the smart infrastructure for finance teams, embedded in the transaction flow of every dollar a business spends. We automate how over $275B in annualized spend flows in and out of 85,000+ companies: authorizing payments, flagging risk, categorizing spend, and closing books.
The problems are high-stakes, data-dense, and unforgiving.
We hire people with high agency and high urgency. We look for slope over intercept. We care less about where you trained and more about what you’ve built. At Ramp, everyone is a builder who owns problems end to end and makes consequential decisions that shape the outcome.
The median Ramp customer saves 7.5% and grows revenue 16% in their first year – far in excess of businesses operating without Ramp. We believe every ambitious company deserves the same.
If you want to build systems that directly shape how companies move and manage billions, Ramp is the place to do it.
ABOUT THE ROLE
The Applied Science team builds models and tools that solve Ramp’s most critical problems: from underwriting businesses to combatting fraud to making spend management smarter. We’re deeply embedded in the business and provide a quantitative foundation for decision making.
As an Applied Science intern, you’ll be a fully integrated member of the team and own your project from start to finish. Working with engineers, product managers, and business stakeholders, you’ll translate complex business needs into scalable machine-learning-driven solutions. This is a chance to apply ML concretely, ship code, and create genuine value for Ramp and our customers.
You will focus on exciting problems in areas like: credit, fraud, growth, or our core product.
WHAT YOU’LL DO
- End-to-End ML: own the model lifecycle from data exploration and feature engineering to training, benchmarking, deployment, and monitoring
- State-of-the-Art AI: leverage the latest Large Language Models (LLMs) to solve novel problems and create new product capabilities for our customers
- Versatile Techniques: apply the right tools to the right problems, whether it’s deep learning, gradient boosting, or causal inference
- Rigorous Experimentation: quantify the impact of your work through A/B tests and other statistical methods
- Collaborate: partner closely with product and business leaders to translate models and insights into actionable strategy and user-facing features
WHAT YOU NEED
- B.S., M.S. or Ph.D. Student: currently pursuing a degree in Data Science, Computer Science, Math, Physics, Economics, Statistics, or other quantitative fields with an expected graduation date between Dec 2027 - 2029. Graduate degrees are preferred, but not a must.
- Strong ML Fundamentals: solid understanding of the mathematical foundations of machine learning, statistics, probability, and optimization
- Strong Interest or Experience with AI: curiosity and drive to integrate cutting edge LLMs and agents into applied solutions
- Python Proficiency: good grasp of common Data Science libraries (pandas, scikit-learn, NumPy, PyTorch, etc.)
- SQL Knowledge: experience wrangling data in a modern data warehouse (e.g. Snowflake, BigQuery, Redshift, Clickhouse)
- Practical Experience: track record of curating datasets and building/evaluating ML models
- Strong Communication: ability to clearly explain complex concepts to both technical and non-technical audiences and use data to build a compelling narrative
- Bias For Action: a comfort with ambiguity and desire to ship solutions quickly then iterate
NICE TO HAVES
- Publications, Projects, or Previous Experience: relevant experience applying AI/ML and demonstrating your passion for the field
- Production ML Mindset: knowledge of software engineering best practices applied to ML including version control (Git), testing, and writing maintainable code
- Data Orchestration: experience with leveraging modern data orchestration platforms (Airflow, Dagster, Prefect, Metaflow)
COMPENSATION
- The monthly rate for this internship is $12,500 USD + housing stipend
RAMP BENEFITS
- Apple MacBook
- Catered lunches in NYC office Monday-Friday
- Weekly coffee stipend
BENEFITS AVAILABLE TO ALL FULL-TIME RAMP EMPLOYEES (GLOBAL)
- Flexible PTO
- Centralized home-office equipment ordering
- Health and wellness stipend
- Budget for intra-office travel
- Weekly coffee stipend
UNITED STATES
- 100% medical, dental & vision insurance coverage for you, with partial coverage for dependents
- One Medical annual membership
- 401(k), including employer match on contributions made while employed by Ramp
- Fertility HRA (up to $10,000 per year)
- Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay
- Pet insurance
- In-office perks: lunch, snacks, drinks, and more
- Relocation expense coverage to NYC or SF (if needed)
CANADA
- Group medical, dental, and vision coverage through Sun Life
- Life, AD&D, and disability coverage
- Fertility drug coverage (up to $4,000 lifetime)
- Group Retirement Plan with employer match (RRSP + DPSP)
- Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay, with additional time available at reduced pay
- Employee Assistance Program and virtual care through Lumino Health
UNITED KINGDOM
- Private medical insurance through Freedom Elite
- Virtual GP and at-home care via eMed x Livi
- Workplace pension through Penfold, with salary sacrifice option
- Parental leave: up to 16 weeks (birthing + bonding) or 8 weeks (bonding only) at 100% pay with additional time available at reduced pay
REFERRAL INSTRUCTIONS
If you are being referred for the role, please contact that person to apply on your behalf.
OTHER NOTICES
Pursuant to the San Francisco Fair Chance Ordinance, we will consider for employment qualified applicants with arrest and conviction records.
Beware of recruiting scams: Ramp will only contact you through official @Ramp.com http://Ramp.com email addresses and will never ask for payment or sensitive personal information during the hiring process.
Ramp Applicant Privacy Notice https://ramp.com/legal/applicant-privacy-notice
Задачи:
— разработка и внедрение LLM моделей для решения NLU задач бизнеса (SFT, RAG (Retrieval Augmented Generation), Agents, Summarization, Text Ranking, Text Matching, Language Modeling)
— дообучение LLM моделей
— разработка подходов и процессов разметки данных для оценки качества работы LLM
— формирование и работа с ML пайплайнами: работа с данными, обучение/дообучение NLP моделей, оценка качества решений, поддержка/автоматизация решений
— оптимизация работы моделей для промышленного контура на CPU/GPU
— работа с командой бизнес-представителей, DS-разработчиками
— организация проверки и генерация гипотез для решения технических и бизнес-задач.
Требования:
— опыт разработки на python, numpy, sklearn, pandas + библиотеки обработки текстовых данных
— опыт работы с Pytorch для построения DL текстовых моделей
— опыт работы с библиотеками LangChain/LangGraph
— опыт практической работы с LLM через API
— отличные теоретические знания классического и нейросетевого NLP, в тч LLM
— опыт дообучения классических трансформеров и LLM
— практический опыт, эксперименты, внедрение в ПРОД LLM решений
— опыт prompt-engineering
Будет плюсом:
— работа с инструментами Hadoop (HDFS, Hive), Spark
— опыт постановки и проведения a/b тестов
— опыт работы с распределенным обучением, глубокое знание GPU архитектуры.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— возможен гибридный 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:
— Подготовка данных: выгрузки из PostgreSQL и POS, очистка, пропуски, выбросы
— Прогнозные модели: поток гостей, спрос на позиции меню, потребность в закупках
— Признаки предметной области: сезонность, праздники, погода, история продаж
— Валидация: разбиение по времени, контроль утечек, бизнес-метрика рядом с технической
— Продуктовые исследования: сегменты гостей, средний чек, отток, эффективность акций
— Передача модели в прод вместе с бэкендом: контракт данных, инференс, мониторинг качества
— Код-ревью, обсуждение гипотез, планирование задач
Требования:
— Python 3.11+, аннотации типов
— pandas, NumPy: группировки, join'ы, оконные функции, даты
— scikit-learn: пайплайны, кросс-валидация, подбор гиперпараметров
— Метрики и переобучение: MAE / MAPE, бейзлайн, утечки
— SQL: join'ы, агрегаты, оконные функции
— EDA: matplotlib или seaborn
— Git, ветки, PR, код-ревью
— Плюсом: statsmodels, Prophet, CatBoost, Docker, FastAPI, Airflow, MLflow, LLM и RAG
Условия:
— Удалённо из России, свободный график
— Доступы к AI-сервисам (ChatGPT, Claude и другие)
— Обучение за счёт компании: курсы, книги, конференции, хакатоны
— Ревью каждые 6 месяцев, путь до Middle+ за 0.5–1 года
Обязательно:
- Опыт оценки работ и распределения загрузки по команде.
- Знание критериев качества данных: полнота, согласованность, актуальность.
- Опыт формализации правил качества данных в виде проверок и технической документации.
- Хорошее владение SQL.
- Практический опыт работы с Oracle и PostgreSQL.
- Опыт разработки ETL-процессов.
- Опыт разработки витрин данных.
- Базовые навыки Python и Pandas.
- Базовые навыки работы с Apache Airflow.
- Опыт проведения code review и согласования MR.
- Опыт сопровождения и мониторинга информационных систем, инфраструктуры и интеграционных взаимодействий.
- Опыт настройки или модернизации мониторинга.
- Опыт анализа инцидентов систем обработки и контроля качества данных.
- Опыт участия в релизном процессе и установке релизов.
- Опыт работы с ролевыми моделями и требованиями ИБ.
- Опыт участия в DR-тестировании.
- Опыт ведения сервисной, функциональной и технической документации.
Необходим опыт:
- Опыт работы с Informatica ETL.
- Опыт работы с FineBI.
- Опыт сопровождения систем контроля качества данных.
- Опыт работы с системами регистрации и маршрутизации инцидентов.
Задачи:
- Мониторинг доступности и работоспособности ИС, её компонентов, инфраструктуры и интеграционных взаимодействий.
- Настройка и модернизация мониторинга и алертинга.
- Анализ инцидентов, логов и результатов автоматических проверок качества данных.
- Разработка и сопровождение ETL-процессов и витрин данных.
- Проведение code review, согласование MR и контроль соблюдения архитектурных требований.
- Декомпозиция задач, оценка работ и распределение загрузки внутри команды.
- Приёмка функциональной, технической и сервисной документации.
- Ведение admin guide, паспорта ИС, базы знаний и эксплуатационных регламентов.
- Сопровождение ролевой модели и выполнение требований ИБ.
- Приёмка изменений, установка релизов и проведение пост-релизных проверок.
- Участие в DR-тестировании.
- Координация устранения критических инцидетов
Location: Москва
Наша команда отвечает за **независимую оценку и контроль качества генеративных моделей Банка.**
Наша основная задача оценить флагманские генеративные модели Сбера – GigaChat, Kandinsky, GigaCode и PhysicalAI решений. Мы первыми видим, на что способна новая модель и проводим оценку новых возможностей прежде чем она выйдет к пользователям.
Мы не просто «проверяем метрики», а:
* глубоко разбираемся в подходах команд-разработчиков и в бизнес-процессах, где работают модели
* критически рассматриваем архитектурные и методологические решения и предлагаем улучшения
* разрабатываем собственные проверки, метрики и бенчмарки и фреймворки для их запуска
* проводим оценку логов пользователей для построения наиболее релевантного тестирования
Отдельный фокус – R&D деятельность:
* создание новых методологий оценки качества
* участие в разработке и развитии передовых банковских и российских бенчмарков (MERA, POLLUX и др.)
* адаптация передовых мировых бенчмарков под специфику банковских кейсов
* и многое другое
Эта роль про независимое измерение фундаментального качества модели: не про их обучение – этим занимается отдельная команда
Обязанности
**Придумывать, как вообще измерить модель**
ИИ стремительно развивается в мире и выходят новые модели и их виды, однако не всегда любая новая модель стала лучше предыдущей. Вам будет необходимо создать план по её проверке: что именно измерять, на какой выборке, с чем сравнивать, какая разница вообще будет считаться разницей в реальном качестве.
**Отвечать за достоверность измерений**
Полученные метрики не всегда отражают только лишь качество модели. Нужно уметь отделять реальный прирост качества от прочих факторов: ловить утечки данных в обучение, отличать дефект модели от дефекта замера, промпта или обвязки и проявлять тот же скепсис к собственной методологии: измеряем ли мы то, что заявили.
**Разбираться в причинах ошибок**
«Модель ошиблась» – это не вывод, а начало работы. Найденная вами причина той или иной проблемы модели превращается в рекомендацию команде разработки, а рекомендация – в следующую версию модели, которая этой ошибки уже не делает.
**Строить автоматическую оценку**
Разрабатывать LLM- и VLM-судей под конкретные задачи, разрабатывать с нуля собственные или дорабатывать существующие библиотеки валидации полного цикла и следим за фронтиром AI-исследований в области оценки моделей.
**Строить то, чем пользуются другие**
Фреймворки оценки, который вы развиваете – общие для команд по всему Банку. Бенчмарки, которые вы делаете, являются достоверной базой реального качества для разработчиков Банка и вне.
Требования
* **Умение проводить технический и научный ресерч**: находить и критически разбирать актуальные статьи, бенчмарки, модели и реализации; переводить ресерч в конкретные идеи для тестирования и развития внутренних подходов.
* **Статистика и дизайн эксперимента:** доверительные интервалы, размер выборки, проверка гипотез, поправки на множественные сравнения
* **Понимание современных AI-агентов и агентных систем**: понимать, чем агент отличается от обычного вызова LLM; знать основные компоненты агентной системы: роли, инструменты, контекст, память и оркестрация;
* **Понимаете, как устроены генеративным модели изнутри:** трансформер и механизм внимания, диффузии, токенизация, параметры генерации, этапы обучения
* **Опыт с генеративными моделями и понимание, как их оценивают:** метрики, бенчмарки, human evaluation, Model-as-a-judge и его ограничения
* **Продуктовое мышление**: связывать тестирование с реальными пользовательскими сценариями и понимать, какие ошибки критичны для продукта, понимать влияние результатов на релиз и дальнейшее развитие модели.
* **Python на продакшн-уровне:** чистый код по PEP 8, ООП и типовые паттерны проектирования, аннотации типов, привычка к линтерам и статическому анализу (ruff, mypy). Создаете и поддерживаете production-код eval-пайплайнов, читаете и ревьюите чужой.
**Будет плюсом:** R&D-опыт или участие в создании бенчмарков; мультимодальные модели (изображения, видео, аудио); evaluation-фреймворки и harness; RAG; работа с асессорами; coding-агенты (Claude Code, Codex, Cursor); опыт работы с оркестрацией: LangGraph, OpenClaw, навыки вайбкодинга и AI-assisted coding
**Стек:** Python, pandas, NumPy, PyTorch, HuggingFace (transformers, datasets), vLLM, SGLang, инференс-API, S3, Git, Docker, CI/CD, Linux, Bash.
Условия
* комфортный современный офис рядом с м. Кутузовская
* гибкий формат и удаленной работы, в т.ч. на территории РФ
* ежегодный пересмотр зарплаты и 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
* скидки на продукты компаний-партнеров
* вознаграждение за рекомендацию друзей в команду Сбера.
Location: Russia; Kazakhstan; Serbia; Nigeria; Tbilisi, Georgia
We’re looking for a
Portfolio Analyst
to help us scale and optimize our credit portfolio. You’ll work hands-on with portfolio metrics, risk strategies, and pricing, collaborating closely with Product and Data Science to turn data into clear, impactful decisions. The scope of responsibilities will include:
Credit Portfolio Management:
Analysis and monitoring of key portfolio metrics: FPD, PD, LGD, NPL, Surplus;
LTV assessment and active participation in product pricing;
Development of customer segmentation strategies (e.g., by risk levels, products, acquisition channels);
Assessment of the impact of internal initiatives on financial results;
Optimization of the portfolio structure (balancing high-yield and low-risk loans).
Risk Management:
Monitoring of risk concentration (e.g., by regions, products, borrower segments);
Adjustment of credit policy based on default and early repayment data;
Development and improvement of processes related to loan origination.
Collaboration with the Data Science Team:
Formulation of requirements for scoring models (e.g., calibration of PD models);
Analysis of scoring card performance and proposals for their improvement;
Work with cash flow forecasting models.
Requirements
3+ years of experience in analytics or portfolio analytics;
Higher education, preferably in a technical or economics-related field;
Strong understanding of credit risks and metrics: PD, NPL, FPD, SPD, Roll Rate, CoR;
Knowledge and practical application of probability theory and mathematical statistics;
Proficiency with analytical tools:
Excel (advanced formulas, pivot tables);
SQL (window functions, subqueries);
Experience working with Python (basic level: NumPy, pandas, scikit-learn);
Knowledge of regulatory requirements applicable to MFIs/Banks.
Nice to Have:
Experience with Big Data and BI systems;
Basic understanding of ML models (interpretation of scoring results);
Knowledge of financial models and statements (NPV, DCF, P&L);
Experience with A/B testing;
Knowledge of MFI/Banking products: microloans, credit cards, credit lines.
Benefits
Remote work from anywhere in the world
Performance bonus, paid vacations and day-offs, personal development plan
Purpose: shape the future of fintech in Nigeria with products that reach millions, backed by a competitive salary
Growth: thrive in a fast paced work environment with flexibility, collaboration, and access to cutting-edge tools
Join a diverse, inclusive team where all voices are valued, and professional growth is a priority.
Задачи:
— разработка моделей с применением алгоритмов и техник машинного обучения;
— развёртывание моделей в выбранной среде;
— обработка и устранение возникающих проблем, связанных с работой модели после вывода в продуктивное использование.
Требования:
— опыт работы по направлению не менее 2 лет;
— знание алгоритмов и техник машинного обучения, их преимуществ, недостатков и особенностей применения;
— понимание теории вероятности и математической статистики;
— опыт программирования на языке Python, уверенное владение синтаксисом и основными конструкциями языка, использование библиотек для анализа данных и машинного обучения, знание библиотек для работы с веб-технологиями (Numpy, Pandas, matplotlib, seaborn, scikit-learn, XGBoost, CatBoost, PyTorch);
— знание системы контроля версий и методов CI/CD;
— понимание принципов работы с API и опыт их интеграции в проекты.
Условия:
— удалённый формат работы либо гибрид.
— ДМС со стоматологией, индексация зарплаты, бонусы за командные и личные достижения, кафетерий льгот (20 000 на услуги от образования до здоровья каждый год), программы финансовой, психологической и юридической поддержки, компенсация питания, программы адаптации.
— индивидуальные планы развития, помощь в наращивании экспертизы, работа с внутренним кадровым резервом внутри Северстали и Севергрупп.
— корпоративная культура, взаимоуважение и поддержка на всех уровнях управления.
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.
ГибридСтажёрМосква
seniorГеография найма не уточнена
seniorNew York
ГибридСтажёрNew York, NY (HQ); Relocation expense coverage to NYC or SF (if needed)
Автоотклики