Вакансии

• Формировать QA-стратегию и процессы на всех этапах SDLC. • Управлять и масштабировать QA-команду (Manual, Automation, QA Leads).

• Опыт работы аналитиком 1С от 5 лет. • Глубокое знание и практический опыт работы с 1С:ЗУП.

-Погружаться в бизнес контекст платформы ограничений, изучать доступные данные и существующую инфраструктуру — высоконагруженные сервисы, обрабатывающие миллионы транзакций в день. -Анализировать текущие бизнес процессы, выявлять их уязвимые места и точки роста.

Location: Москва Мы развиваем продукт DataQuality - систему мониторинга качества данных, которая в реальном времени следит за потоком событий антифрод-платформы: согласованность полей, заполненность расчетов, стабильность скорингов и агрегатов, статистику срабатывания фрод-правил, пропажу типов событий. Мы ищем аналитика данных, который возьмет на себя две связанные задачи: довести систему алертов до состояния, когда сигналов мало, но каждый по делу, и исследовать связанные с данными обращения пользователей антифрод-платформы, находя в них подсказки о том, что мы еще не умеем мониторить. Это техническая роль. Поток платформы - тысячи событий в секунду, история в Hadoop - миллиарды строк. Поэтому нужно понимать, как Spark исполняет ваш запрос, и уверенно владеть статистикой: пороги алертов выводятся из распределений, а не подбираются на глаз. Роль хорошо подойдет тем, кто работал с ML (обучал и оценивал модели, искал аномалии, следил за дрейфом признаков), но не хочет уходить в Data Science или MLOps. У нас статистика и ML-подходы применяются к прикладной задаче с быстрым результатом: настроенная вами проверка уже завтра ловит реальный инцидент на боевом потоке. Обязанности * разбирать поток срабатываний проверок качества данных, отличая реальную деградацию от шума и ложных сигналов * настраивать проверки так, чтобы снижать долю ложных срабатываний: подбирать пороги по уровням severity, окно агрегации и базовый период на основе распределения метрики за исторический период, а не «на глаз» * копать до первопричины срабатываний: идти в сырые события, поднимать историю, сопоставлять с релизами и инцидентами * оценивать качество алертов: сколько сигналов были ложными и почему (строгий порог, короткое окно, сезонность, редкий тип события) * развивать методы детектирования: проверять статистические и ML-подходы к поиску аномалий и дрейфа на временных рядах и распределениях скорингов, оценивать их на истории инцидентов и предлагать, что включать в продукт * работать с полной историей событий в Hadoop: писать запросы и расчеты на Spark SQL и PySpark так, чтобы они укладывались в ресурсы общего кластера * исследовать обращения, которые пользователи антифрод-платформы пишут в поддержку, и вытаскивать из них реальную проблему с данными * соотносить обращения с текущим покрытием мониторинга: понимать, что уже отлавливается проверками, а где инструмента нет * доводить находку до понятного «полуфабриката»: проблема, подтвержденная на данных, и передавать ее системному аналитику, который оформит из нее требования для команды разработки. Требования * опыт в аналитике данных или Data Science от трех лет, включая работу с потоковыми или near-real-time данными и с большими объемами в Hadoop / Spark * Spark SQL и PySpark на больших объемах - ежедневный инструмент: условия проверок в системе пишутся на Spark SQL. Важно понимать, как запрос исполняется. Нужно уметь прочитать план запроса и оценить его стоимость до запуска: кластер общий, и тяжелый запрос по полной истории мешает всем * SQL уверенно: оконные функции, многошаговые агрегации, джойны с контролем кардинальности, корректная работа с NULL и типами. Понимание, почему запрос деградирует, и чем колоночная СУБД отличается от строчной; опыт с ClickHouse будет плюсом * Python как основной рабочий инструмент, а не эпизодический. Способность быстро написать скрипт, который поднимет историю срабатываний и покажет, какие пороги дают ложные сигналы * теория вероятностей и математическая статистика на уровне уверенного применения: доверительные интервалы, проверка гипотез, ошибки первого и второго рода и тд * прикладная статистика для мониторинга: дрейф распределений (PSI), отклонение среднего и дисперсии от базовой линии, выбросы (z-score / IQR), сезонность; precision / recall применительно к алертам. Меры расхождения распределений и принятые для них пороговые значения, баланс ложноположительных и ложноотрицательных срабатываний * практический опыт с ML: потребуется понимать метрики качества, как работает переобучение, дрейф признаков и то, как качество данных влияет на модель. Выводить модели в продакшен не потребуется * понимание принципов мониторинга качества данных: типы проверок, уровни severity и то, что за ними стоят разные действия от информирования до инцидента * системный взгляд и исследовательская жилка: видеть картину целиком, не лечить симптом порогом, если корень в источнике данных, и копать до истины Будет плюсом: * понимание работы фрод-правил и скорингов * опыт оптимизации расчетов на Spark * опыт ML-детектирования аномалий и дрейфа данных в промышленном мониторинге (это направление у нас в развитии) * опыт работы в поддержке / эксплуатации: разбор инцидентов, приоритизация обращений * опыт с инструментами контроля качества данных: Great Expectations, Soda, Evidently, Monte Carlo. Отдельно ценим понимание, где их настройки по умолчанию перестают работать на больших объемах * опыт с каталогами данных и lineage: Atlas, DataHub, OpenLineage * опыт работы с ИИ-ассистентами при разборе кода. Условия * комфортный современный офис в Москве, Кутузовский, 32 * график работы – офис * 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 (для Junior позиций) * 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 Сбер

-Масштабирование и повышение доступности системы. -Необходимо обеспечить стабильную работу системы распределённого трассирования в условиях роста нагрузки.

-Анализ требований, взаимодействие с заказчиком/бизнес-аналитиками по выявлению "белых пятен" и неявных ожиданий. -Разработка и документирование функциональных/нефункциональных требований в области высоконагруженного ИТ-решения трансформации бизнес-событий в бухгалтерский учет.

Компания Лоция открывает набор стажеров на позицию тестировщика. Стажировка рассчитана на обучающихся в высших учебных заведениях технических и IT направлений. Загрузка на неполный рабочий день. Задачи: — обучение процессу тестирования; — изучение материалов и документации; — формирование обратной связи по задачам/функционалу/методикам; — участие в тестировании функционала собственного программного продукта компании; — изучение и составление тестовой документации: тест-кейсы, планы-тестирования, стратегии тестирования, программы методики испытаний; — изучение и составление анализа ТЗ и согласование плана выполнения работ для текущих задач; — изучение процесса составления тестовой модели и участие в разработке новых моделей для проектов компании; — участие в процессах функционального, интеграционного тестирования и поддержки пользовательского тестирования; — участие в поисках дефектов и повышении качества программного продукта. Требования: — желание развиваться в сфере тестирования; — обучение в технической или IT сфере; — понимание основных терминов разработки и тестирования; — знание видов тестирования и видов тестовой документации; — знание основ программной инженерии, жизненного цикла ПО, управления требованиями; — понимание принципа работы баз данных. Будет плюсом: — опыт стажировок или работы в IT и тестировании; — знание HTML, JSON, XML, CSS, JavaScript, http-методов GET, POST; — знание инструментов мониторинга HTTP/HTTPS трафика; — знание стандартов в области тестирования; — знание принципов работы ОС Windows, Android, iOS, macOS, Linux; — умение написания запросов к БД; — знание стандартов и методологий, применяемых к приложениям; — знание различных видов современной архитектуры WEB-приложений.

-Внутреннее внедрение CRM системы в качестве разработчика. -Разработка, доработка и создание интеграционных модулей в рамках CRM-системы.

Location: Москва ИТ B2C — самая крупная экосистема в Сбере. Нас более 8000 человек в 18 городах России. Мы занимаемся разработкой и развитием розничных решений, помогая сделать сервисы Банка доступнее, безопаснее и удобнее. Ждем именно тебя! Дорогой кандидат, мы – команда экспертов, объединенных общей страстью к искусственному интеллекту и рекомендательным системам (RecSys). Нашей главной задачей является создание современной, масштабируемой рекомендательной платформы, способной предвосхищать ожидания пользователей и предлагать персонализированные рекомендации на каждом этапе их взаимодействия с экосистемой Сбер. Наши решения охватывают широкий спектр отраслей: от финансов и e-commerce до индустрии развлечений и здравоохранения. Если вам близка идея участия в развитии рекомендательной системы, которая помогает миллионам пользователей, присоединяйтесь к нам! Обязанности ### Чем предстоит заниматься: * 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 ### Что мы ожидаем: * 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. **Стек технологий:** Python, PySpark, PyTorch, Airflow, MLflow, Kubernetes, Redis, Kafka, S3, FastAPI и др. Условия ### Что мы предлагаем: * 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.

Обязанности: Настройка и ведение контекстной рекламы; Таргетированная медийная реклама;

Чем предстоит заниматься: — Развивать Kubernetes-инфраструктуру в облаке и на bare-metal.

Внедрение комплексного решения 1С:ERP.УХ с привлечением стороннего Подрядчика (аналитик 1С ERP.УХ по налоговому планированию, учёту, отчётности и контролируемым сделкам со стороны Заказчика), в том числе: структурирование и формализация требований бизнеса их согласование с уполномоченными ответственными лицами;

Требуются исполнители для размещения готовых отзывов на различных площадках. · Публиковать готовые тексты отзывов (ничего придумывать самостоятельно не нужно).

Разрабатывать backend-сервисы на Python 3.10+ / FastAPI в рамках ИИ-платформы. Проектировать и поддерживать микросервисную и event-driven архитектуру.

• Управлять полным циклом проекта, защищать интересы акционера перед подрядчиками, регуляторами и партнёрами; координировать работу СП и взаимодействие с китайской стороной.

— Мы усиливаем научную команду и ищем руководителя группы по флотации — человека, который сочетает научную глубину с инженерной дисциплиной и умеет доводить исследования до внедрения на производстве. Если вы руководите научно-исследовательскими работами, экспериментальной деятельностью, отвечаете за результаты и оформление документации — откликайтесь.

— придумывать увлекательные и потенциально вирусные сценарии для Reels и Stories; — предлагать темы для постов;

• Разработка и доработка SPA на Angular: компоненты, модули, сервисы, маршрутизация, state management. • Разработка/доработка backend-модулей на C#/.NET в рамках трёхзвенной архитектуры.