Вакансии

Требования: — Экономическое/математическое высшее образование — Понимание архитектуры хранилищ данных (схемы «звезда», «снежинка», Data Vault и др.) — Знание PL/SQL, Oracle, Python — Знание методик тестирования хранилища данных — Опыт тестирования хранилища данных — Опыт работы с инструментами: Jira, Confluence, Git, Bitbucket, Toad, DBeaver, Airflow, Informatica, Testops — Проверка полноты, согласованности и точности данных — Валидация преобразований (source-to-target) — Регрессионное тестирование — Автоматизация тестов (Python, PyTest, специализированные фреймворки) Условия: — Полностью удалённая работа по РФ — Техника предоставляется — ДМС со стоматологией — Компенсация фитнеса — Скидки на обучение, кино, Skyeng — Индексация заработной платы — IT-аккредитация — Возможен переход в штат банка примерно через 1 год

Задачи: — Развивать модели прогнозирования спроса и ценовой эластичности; — Исследовать подходы к causal inference, uplift-моделированию и оценки эффекта изменения цены; — Проектировать временную валидацию, backtesting и бизнес-метрики качества; — Работать с uncertainty, confidence, intermittent demand, cold start и long-tail SKU; — Разрабатывать логику выбора оптимальной цены с учётом бизнес-ограничений; — Организовать оценку plan/fact и мониторинг качества моделей; — Участвовать в проектировании feature engineering, batch training и batch inference на больших объёмах данных; — Проводить design review, code review и менторить ML-специалистов команды. Требования: — Опыт в классическом ML от 3 лет; — Сильная база в классическом ML, статистике и работе с табличными данными; — Опыт с forecasting, временными рядами и gradient boosting: LightGBM, CatBoost или XGBoost; — Понимание causal inference и экспериментального дизайна; — Опыт доведения ML-моделей до production; — Уверенное владение Python и SQL; — Понимание временной валидации, data leakage, calibration и uncertainty estimation; — Опыт работы с Airflow или аналогичным оркестратором; — Понимание принципов распределённой обработки данных, партиционирования и оптимизации вычислений; — Умение связывать ML-метрики с измеримым бизнес-эффектом; — Опыт в retail, e-commerce, pricing или demand forecasting; — Практический опыт с PySpark, Trino, Iceberg, S3, dbt или ClickHouse; — Опыт с price optimization, hierarchical forecasting или operations research; — Опыт построения ML-мониторинга и проведения A/B-тестов. Условия: — Занятость full-time — Формат работы: удалённая, гибридная или офис (Москва, Краснодар)

Location: Paris Workplace: Hybrid ABOUT VOODOO Voodoo is a consumer tech company founded in Paris in 2013, with one mission: entertain the world. Today we are 1,000 people, generating $1b+ in annual revenue, profitably. Our games and apps have passed 7 billion downloads and reach 200 million+ active users every month, making Voodoo the #3 mobile publisher worldwide in downloads, after Google and Meta. We were backed by Goldman Sachs, Tencent and GBL along the way. TEAM Our Corporate teams support the company's performance and growth whilst putting people at the core of everything they do. As a French tech leader and global successful company, our Corporate teams are constantly looking for ways to innovate and increase organisation efficiency to keep Voodoo ahead of the market. Voodoo's Corporate function is composed of three teams: HR, Legal and Finance, working together to drive Voodoo's success. As Voodoo continues to grow, we are transforming the way Finance uses data and technology. Our ambition is to move from fragmented, spreadsheet-heavy workflows to a modern, reliable, and increasingly automated Finance data platform.   ROLE We're looking for a Finance Data Engineer to join our Corporate team. In this role, you'll own the technical transformation of Finance by building the data foundations, pipelines, and internal tools that enable Finance teams to operate more efficiently and make better decisions. Reporting to the CFO, you will work closely with Finance stakeholders and Voodoo's central Data team, combining data engineering, business understanding, and product thinking to turn complex Finance needs into reliable and maintainable solutions. - Define and drive the roadmap for Finance data, automation, and internal tooling - Build and progressively scale Voodoo's Finance data platform, prioritising the use cases that create the greatest business value - Migrate critical data transformations and workflows from spreadsheets and legacy tools to tested, documented, code-based solutions - Create reliable data models and pipelines for Finance reporting, analysis, forecasting, and operational processes - Establish strong standards for data quality, observability, documentation, security, and access management - Partner closely with Accounting, FP&A, Controlling, Treasury, and other Finance stakeholders to translate their needs into scalable technical solutions - Collaborate regularly with Voodoo's Data leadership and engineering teams to align on architecture, tooling, and best practices - Build intuitive dashboards and internal applications that allow Finance teams to explore data and manage workflows independently - Identify AI and automation opportunities, take them from prototype to production, and measure the value they create - Help Finance teams adopt data and AI tools effectively through documentation, training, and day-to-day support   PROFILE - Significant experience in data engineering, analytics engineering, or a closely related role, including ownership of production-grade data solutions - Proven track record of building or substantially improving a modern data platform or analytics stack - Highly proficient in SQL and comfortable building production systems in Python - Strong software-engineering practices applied to data work: testing, version control, code review, documentation, and monitoring - Solid understanding of core corporate Finance and accounting concepts; familiarity with French accounting principles is a strong advantage - Ability to translate ambiguous business needs into clear, pragmatic technical solutions - Comfortable working autonomously, prioritising competing needs, and delivering value incrementally - Strong communication skills with both technical and non-technical stakeholders, in French and English - Curious about the evolving data and AI ecosystem — you test new approaches on real problems and form your own point of view - Rigorous, detail-oriented, and focused on measurable outcomes; pragmatic in technology choices, knowing when to build, adopt open-source, or buy commercial solutions Nice to have: - Experience building tools or data products for Finance teams - Experience deploying AI agents or AI-enabled workflows into production - Familiarity with the mobile gaming, consumer apps, advertising, or digital analytics ecosystem - Experience operating data infrastructure on AWS   OUR STACK - Cloud: AWS - Languages: Python, SQL, Scala - Transformation & orchestration: dbt, Airflow, Spark - Query engines: Athena, StarRocks - Infrastructure: Terraform, Kubernetes - Internal applications: Streamlit - AI-assisted development: Claude Code, MCP-based internal tooling   BENEFITS - Competitive salary based on experience - Swile Lunch voucher - Gymlib (100% covered by Voodoo) - Premium healthcare coverage with SideCare, 100% covered for you and your family - Wellness activities in our Paris office - Remote Fridays

Описание проекта: создание экосистемной Customer720 платформы. Данные из банковских систем и CRM других бизнесов. Задачи: — Владеть архитектурой и развитием Data Core. — Проектировать слои Bronze / Silver / Gold и модели данных. — Исследовать банковские, legacy- и внешние источники, восстанавливать их семантику. — Строить pipelines от raw-данных до подготовленных data products. — Разрабатывать трансформации на SQL / dbt / Python. — Определять инженерные стандарты для ELT, data modelling, metadata, lineage и data quality. — Развивать data catalog и metadata-as-code подход. — Проектировать data contracts и интеграции Data Core с другими компонентами. — Переводить исследовательские решения и ручные процессы в production. — Работать с Git, CI/CD, Docker, Linux и закрытыми Dev/UAT-контурами. Требования: — Совокупный релевантный опыт не менее 6 лет обязательно. — Банковские или fintech-данные. — Core banking / legacy banking systems. — Опыт работы Lead / Staff / Principal Data Engineer или сильного Senior с архитектурным ownership. — Опыт проектирования и самостоятельной реализации data platform / DWH / Lakehouse. — Customer 360 / Golden Record / MDM. — Сильный SQL и уверенный Python. — dbt или аналогичные transformation frameworks. — Airflow / Dagster / Prefect или аналоги. — Хорошее понимание data modelling, historization, grain и master entities. — Практический опыт data quality, lineage и metadata management. — Data Vault 2.0. — OpenMetadata или другие data catalog solutions. — Умение самостоятельно принимать технические решения и отвечать за результат. — Опыт работы с плохо документированными источниками. — Git, CI/CD, Docker, Linux. — Практический AI-native способ разработки. Условия: — Оформление: ИП, ГПХ. — Формат работы: полная занятость.

Location: Remote Workplace: Remote About Prefect Prefect builds automation for an unpredictable world. The last decade of automation was about protecting workflows from unpredictability; in the agentic era, unpredictability is the point. Our mission is to give people confidence in automated work, whether that work is a mission-critical data pipeline or a fleet of AI agents. In August 2026, Prefect and Dagster, competitors for eight years, joined forces to build the next generation of automation infrastructure. Today, our ecosystem includes Dagster, the data platform; Prefect, the agent platform; and FastMCP, the leading open-source developer framework for the MCP ecosystem. Together, our open-source and commercial products are trusted by Fortune 500 companies, data innovators, and high-growth technology companies around the world. We think of our culture as the operating system of the company. We’ve carefully created a supportive, high-performance environment that empowers our team to do the best work of their careers, have meaningful impact, and continue growing personally and professionally. We’re a remote-first team that values high standards, ownership, and thoughtful collaboration. ROLE SUMMARY Developer Success is the technical support function for Prefect's customers across the Prefect and Dagster product lines. Its mission is to resolve customer technical issues with the least possible customer effort, and to prevent those issues from recurring. We are hiring a Developer Success Engineer to work the combined Prefect and Dagster support queue. You will diagnose and resolve technical issues in customer environments, own each issue through resolution, and contribute to the documentation, tooling, and product feedback that reduce future volume. You will be trained on both Prefect’s and Dagster’s products. The team is investing in agent-based automation for routine support work, which is moving the engineering focus toward complex diagnosis and escalation. This role is well suited to an engineer who wants to build deep expertise in orchestration and data platform environments and apply it directly with customers. WHAT YOU'LL DO - Clear the failure state, and prevent the next one. Diagnose problems across Prefect and Dagster installations, integrations, deployments, and the cloud and container environments they run in. Find the underlying "why" so your first response resolves the question and pre-empts the follow-ups. Turn what you learn into docs, debugging resources, and tooling that deflect repeat submissions. - Own what's ours; say no clearly to what isn't. Take full accountability for root causes inside our products' domain of control. For problems outside our Scope of Support, issue a principled no that still gives the customer a way forward. Helplessness erodes trust as fast as a wrong answer. - Support your findings, and ask customers to support theirs. Back every diagnosis with evidence and logic. Assume the customer is the expert on their own stack, ask for what you need to troubleshoot both sides of an issue, and explain why you need it. Leave room for the possibility you've missed something. - Give the best possible update every time, and say so when you're still building it. A half-baked answer sent fast is worse than a complete one sent when it's ready; but radio silence is worse than both. When an issue needs to be escalated, you stay the customer's single point of contact, keep them updated on a regular cadence, and close the loop. - Feed the product. File reproducible product issues and surface recurring failure patterns to Engineering and Product. You'll work the queue independently on day-to-day issues and own moderate-complexity problems end to end, including investigations across a customer's cloud environment. You'll ask when the Scope of Support or an escalation path is unclear, and you'll build the judgment to recognize when an issue belongs with Customer Engineering or a CSM instead. We measure the role on Customer Effort Score and resolution time, held in tension: a fast answer that costs the customer effort isn't a good one. Coverage is 9am to 5pm Pacific, with an on-call rotation shared across the team. YOUR QUALIFICATIONS Must have: - Python fluency at the level of reading and debugging someone else's code, not only writing your own. - Hands-on experience running workloads in at least one major cloud and in containers or Kubernetes, enough to troubleshoot a deployment you didn't build. - Experience with a workflow orchestrator (Prefect, Dagster, Airflow, or comparable) and a strong interest in the data engineering space it lives in. - A track record of technical, customer-facing work: support, solutions engineering, developer relations, or similar. - Clear enough written communication to explain a root cause to a skeptical senior engineer and earn their trust. Nice to have: - Direct experience with Prefect or Dagster specifically. - A history of open-source contribution, in any project. - SQL and data warehouse familiarity. - Experience building support tooling or automation. WHAT TO EXPECT This is a support role. There's a queue, a Scope of Support, and an on-call rotation, and the first job is always the failure state in front of you. If a defined scope and a real customer on the other end of every problem sounds like the point, this is the role. While engineers on this team do contribute code and take on consultative work, the queue comes first. Those opportunities will progressively open up as the agent tooling absorbs the formulaic work. WHAT YOU'LL GET IN RETURN Base Salary Ranges: - San Francisco Bay Area & NYC Metro: $149,000–$176,000 - Washington D.C., Boston, LA Metro, Seattle: $136,000-$165,000 - Denver, Chicago, Atlanta, & all other U.S. metros: $128,000–$150,000 Actual base salary within each range depends on the candidate's location, experience, and qualifications. Please keep in mind that equity and benefits are not included in the range provided above. Your recruiter can share more about the salary range for your preferred location during the hiring process. Perks and Benefits: - Remote-first team with flexible-first culture - Equity Stock Options - 401(k) with 5% company match (vests immediately!) - Unlimited PTO - Medical, Dental and Vision insurance - Generous Parental Leave - Life Insurance and Disability benefits - $800/month remote work stipend And that's just the start — for more info check out our benefits and perks on our careers page. BELONGINGNESS AT PREFECT: Belongingness at Prefect is our commitment to ensuring mutual power, access, and opportunity among all groups and individuals who make up our community. We operationalize belongingness through actions large and small on a daily basis, but always with the goal that all groups and individuals can contribute as their most authentic self to the evolution of our product, our team, and our community. Belongingness is also our commitment to bridge with individuals or groups not yet established in our community, acknowledge differences in a way that affirms distinct identities, and allows for a new, more expansive group identity to form. EQUAL OPPORTUNITY AT PREFECT: Prefect is an equal opportunity employer and encourages applications from people of all backgrounds. All applicants will be considered for employment without attention to race, religion, color, sex (including pregnancy, sexual orientation and gender identity/expression), national origin, disability or any other status protected under applicable federal, state, or local laws. Delaney is a real live person (👋🏻) and is looking forward to learning more about you through your application.

Задачи: – Развивать платформу данных; – Разрабатывать и оптимизировать ETL/ELT-процессы; – Работать с batch- и streaming-пайплайнами; – Развивать модели данных и хранилище; – Повышать производительность и надежность платформы; – Настраивать мониторинг, алертинг и контроль качества данных; – Автоматизировать эксплуатационные процессы; – Участвовать в технических ревью и развитии инженерных практик команды. Требования: – Уверенное владение Python и SQL; – Опыт работы с Spark, Clickhouse, Hadoop, Kafka, Greenplum, S3 (Ceph, Minio); – Опыт написания DAG-ов для Airflow; – Опыт работы с Docker и K8S; – Навыки работы с Linux; – Навыки работы с Git.

Задачи: — Помогать в миграции существующего хранилища данных SAP BW на Snowflake, перестраивая трансформации с использованием SQL и dbt при сохранении бизнес-логики. Требования: — Практический опыт трансформации и миграции DWH. — Глубокие знания SAP BW: InfoCubes, DSOs, InfoObjects и трансформаций. — Продвинутый уровень SQL и моделирования измерений. — Предпочтение dbt. — Опыт оркестрации ELT с использованием ADF, Airflow или аналогичных инструментов. — Ответственное использование AI-инструментов в повседневной работе. — Преимуществом будут знания Snowflake, чтение ABAP-рутин, Python и макросов dbt. Условия: — Медицинская страховка. — Гибридный формат работы. — Поддержка благополучия и возможности обучения с карьерным коучем. — Зарплата от 2500 USD net в месяц.

Задачи: — Готовить и поддерживать ежедневную, еженедельную и ежемесячную операционную отчётность для руководителей и функциональных команд. — Разрабатывать и автоматизировать отчёты в Excel с использованием Power Query, сложных формул и макросов. — Писать SQL-запросы для выборки, агрегации и трансформации данных; поддерживать и развивать витрины данных в PostgreSQL и ClickHouse. — Анализировать отклонения ключевых метрик, выявлять причины изменений и готовить рекомендации для бизнеса. — Разрабатывать и поддерживать дашборды в Grafana, настраивать алерты по критическим отклонениям показателей. — Собирать данные из нескольких источников, обеспечивать их стыковку, проводить валидацию и сверку метрик между системами. — Участвовать в настройке и поддержке ETL/ELT-процессов при необходимости. — Собирать и уточнять требования к отчётам и метрикам у бизнес-заказчиков. — Документировать логику расчётов, определения метрик, бизнес-правила и инструкции для пользователей. — Консультировать коллег по работе с отчётами и дашбордами. Требования: — Опыт работы аналитиком данных, бизнес-аналитиком или аналитиком операционной отчётности от 1–2 лет. — Законченное высшее образование. — Продвинутый SQL и уверенное владение Excel. — Опыт работы с реляционными базами данных и BI-инструментами. — Понимание принципов контроля качества данных, валидации показателей и воспроизводимой отчётности. — Умение работать с несколькими источниками данных и понимание различий OLTP- и OLAP-нагрузок. — Внимательность к деталям, системное мышление, ответственность за сроки и качество результата. — Умение объяснять аналитические выводы понятным для бизнеса языком. Будет преимуществом: — Опыт работы с ETL/ELT-инструментами: Apache NiFi, Airflow или аналогами. — Базовые навыки Python и pandas для анализа данных и автоматизации задач. — Опыт работы с Git, Jira и Confluence. — Опыт в сферах закупок, банковских гарантий, финансовых операций, документооборота или операционной отчётности.

Задачи: — Развивать Data Lakehouse и единое DWH — Строить ETL/ELT-пайплайны от источника до готовой витрины — Разрабатывать интеграции с внутренними и внешними системами — Настраивать оркестрацию и регулярное обновление данных — Работать с data quality и metadata management — Участвовать в выборе инструментов и архитектурных решений — Взаимодействовать с архитекторами, DevOps, ИБ и бизнесом Требования: — Уверенный Python и SQL — Опыт работы с Airflow или Dagster — Опыт построения ETL/ELT-пайплайнов — Хорошее понимание DWH и современных подходов к работе с данными — Опыт работы с Kafka / streaming — Опыт в небольших командах или проектах, где приходилось самостоятельно закрывать широкий круг задач Будет плюсом: Trino, Apache Iceberg, DBT, ClickHouse Условия: — Оформление по ТК РФ — ДМС со стоматологией после испытательного срока — Компенсация питания — Полугодовые премии — Ежегодная индексация — Спортивные активности и корпоративные мероприятия — На испытательном сроке — офис 5/2, далее возможен гибрид по договорённости

Задачи: — Администрировать, поддерживать и оптимизировать облачные платформы и инфраструктуру. — Настраивать, конфигурировать, поддерживать и совершенствовать CI/CD- и GitOps-пайплайны. — Внедрять и поддерживать практики Infrastructure as Code (IaC) с использованием таких инструментов, как Ansible, Terraform, Pulumi. — Управлять контейнеризированными средами с использованием Docker, Docker Swarm и Kubernetes. — Обеспечивать надежную инфраструктуру и процессы развертывания для BI-сервисов и приложений, включая ClickHouse, SQL, Airflow, Tableau, Superset. — Тесно взаимодействовать с командами разработки и BI для повышения надежности развертывания, консистентности окружений и операционной эффективности. Требования: — Уверенные навыки настройки и администрирования как минимум одной облачной платформы. — Уверенные навыки построения и автоматизации процессов развертывания с использованием CI/CD и GitOps. — Опыт построения масштабируемой IT-инфраструктуры. — Уверенные навыки настройки Linux-серверов и устранения неисправностей. — Практический опыт работы с Kubernetes. — Понимание сетевой модели OSI. — Понимание принципов построения надежной и масштабируемой инфраструктуры, а также автоматизированных процессов развертывания. — Знание принципов информационной безопасности и защиты данных. — Интерес к работе с инфраструктурой для Business Intelligence и data-related решений либо соответствующий практический опыт.

Задачи: — Поддерживать и обновлять существующие дашборды для маркетинговых команд; — Выполнять ad-hoc выгрузки и запросы от маркетологов (пуши, баннеры, рекламные кампании); — Ежедневно мониторить алерты по рекламным сущностям, первичная диагностика проблем; — Поддерживать витрины данных в Airflow: обновление, доработка по готовым ТЗ; — Документировать витрины, дашборды и аналитические процессы; — Первично коммуницировать с заказчиками по типовым вопросам; — Автоматизировать мелкие рутинные отчёты; — Участвовать в передаче офлайн-конверсий через S2S (server-to-server) и measurement protocol. Требования: — Опыт работы в маркетинговой аналитике от 2 лет; — Уверенное владение SQL (джойны, подзапросы, массивы, оконные функции); — Опыт работы с СУБД Clickhouse будет плюсом; — Понимание маркетинговых метрик: ДРР, ROMI, CPA, LTV, конверсии, воронки; — Понимание принципов атрибуции; — Знание рекламных систем: Яндекс.Директ, Google Ads, VK Реклама и т.п.; — Опыт работы с системами: Яндекс.Метрика, Google Analytics; — Опыт работы с BI-инструментами (Redash, Tableau, PowerBI или аналоги); — Понимание принципов работы с AI-инструментами (ChatGPT, Claude, Copilot и др.) и умение применять их для ускорения рутинных задач: генерация SQL-запросов, написание регулярных выражений, помощь в анализе данных, подготовка документации; — Понимание или опыт передачи офлайн-конверсий через S2S (server-to-server) - осознание, зачем это нужно и как влияет на оценку эффективности рекламы; — Аналитическое мышление, умение задавать вопросы и самостоятельно разбираться в задаче. Будет плюсом: — Опыт работы с Airflow (или готовность быстро освоить); — Python на уровне работы с данными (pandas); — Практический опыт использования AI-инструментов в ежедневной работе: автоматизация отчетности, генерация кода, анализ больших текстов, работа с LLM для построения гипотез; — Практический опыт настройки или участия в передаче офлайн-конверсий через S2S (measurement protocol), работа с API рекламных систем для передачи конверсий.

Задачи: — Участие в операционной деятельности команды: дейли-митинги, спринт-планирования, ретроспективы, проведение демо для заказчика; — Контроль соблюдения сроков и качества результатов по всем активным проектам; — Проектирование и внедрение LLM решений: NER/классификация/обогащение, semantic search и RAG пайплайны, подготовка датасетов, fine tuning, улучшение метрик; — Ведение проектной документации в соответствии с принятыми стандартами и регламентами компании. Требования: — Опыт DS/ML (3+ лет) и общий опыт в IT около 6 лет, с фокусом на end-to-end внедрения AI/ML решений; — Опыт оценки трудозатрат для комплексных AI-проектов; — Инструменты управления: Jira, Confluence или аналоги для трекинга задач, ведения документации и управления бэклогом; — Понимание полного жизненного цикла ML-проекта: сбор данных, разметка, обучение, валидация, деплой, мониторинг; — Понимание принципов работы LLM, GenAI, RAG и агентных систем — на уровне, достаточном для оценки рисков; — Понимание принципов MLOps: CI/CD для моделей, версионирование данных, автоматизация пайплайнов; — Высокий уровень владения языком Python и опыт разработки production решений и интеграций с корпоративными системами; — Практика работы с корпоративными базами данных (PostgreSQL, ClickHouse, Vertica или аналогичными) и построением витрин/ETL (Airflow, Kafka и т.п.). Условия: — работа в аккредитованной IT-компании (льготная ипотека и проч.); — оформление по ТК РФ и его полное соблюдение (оплачиваемые отпуска, больничные); — ДМС со стоматологией с первых недель работы (а не после испытательного срока).

Задачи: — Сбор, анализ, формализация и согласование требований для построения хранилищ данных, витрин и ETL-процессов; — Исследование источников данных, формирование требований к выгрузкам и подготовка технических спецификаций; — Анализ и корректировка кода пакетов выгрузки данных; — Подготовка и согласование документации; — Разработка и доработка логической и физической моделей данных; — Проектирование интеграций между аналитическими системами; — Постановка функциональных (ФТ) и нефункциональных (НФТ) требований к интеграциям; — Проектирование ETL-процессов внутри хранилища, включая детальные слои по методологии Data Vault 2.0 и Business Data Vault. Требования: — SQL (Greenplum/PostgreSQL) на уровне реализации витрин данных: оконные функции, агрегации, аналитические функции, администрирование; — Опыт работы аналитиком данных от 3 лет; — Опыт работы с распределенными системами (MPP); — Опыт работы с Python; — Опыт работы с GIT; — Опыт работы с Apache Airflow; — Опыт работы с Data Vault; — Опыт работы с Informatica. Условия: — Форма трудоустройства на выбор: договор оказания услуг с ИП или самозанятым; — Участие в масштабных проектах федерального и международного уровня; — Работа с передовыми технологиями; — Возможности профессионального и карьерного роста; — Полностью удаленная работа; — Регулярная и достойная оплата труда.

Задачи: — Поддерживать инфраструктуру на bare metal и виртуальных машинах. — Разворачивать и обслуживать кластеры Kubernetes. — Администрировать базы данных: PostgreSQL, Elasticsearch, Redis, Clickhouse. — Сопровождать Airflow и другие инфраструктурные сервисы (GitLab, Harbor, Vault). — Автоматизировать процессы (Ansible, Terraform, Flux). — Настраивать и поддерживать мониторинг (VictoriaMetrics, Grafana). — Заботиться о стабильной работе сервисов. — Вести техническую документацию — понятно и по делу. Требования: — Уверенное владение Linux (Debian/Ubuntu), понимание сетевого стека и принципов контейнеризации. — Опыт развёртывания и сопровождения продуктовых кластеров Kubernetes. — Умение автоматизировать инфраструктуру с помощью Ansible и Terraform. — Знакомство с GitOps-подходом (FluxCD или ArgoCD). — Навыки настройки мониторинга и логирования (Grafana, Prometheus, ELK Stack, Sentry, VictoriaMetrics). — Опыт построения CI/CD на базе GitLab CI. Условия: — Зарплата, соответствующая опыту, и прозрачная система мотивации. — Оформление по ТК РФ: белая зарплата, отпуска, больничные. — Возможность прикрепиться по ОМС к ведомственной клинике рядом с офисом. — Гибридный график 5/2 с плавающим началом дня. — Современный комфортный офис (м. Щукинская). — Бронь от призыва для военнообязанных сотрудников. — Поддержка профессионального развития: участие в конференциях и профильное обучение за счет компании. — Работа на стыке науки и современных технологий — Big Data и ML в продуктовой среде.

Задачи: — Проектирование и сопровождение баз данных: разработка и поддержка объектов базы данных (таблицы, представления, индексы, хранимые процедуры) в среде Greenplum — Разработка витрин данных: проектирование и расчет показателей для витрин данных под бизнес-задачи с использованием SQL — Построение ETL/ELT-пайплайнов: реализация и оптимизация процессов загрузки и трансформации данных в корпоративном хранилище данных (DWH) с использованием Apache Airflow для оркестрации — Контроль качества данных: проведение первичного тестирования и валидации результатов загрузок, обеспечение целостности и достоверности данных — Документирование решений: активное участие в создании и поддержке технической документации по разрабатываемым процессам и схемам данных — Планирование и отчетность: ведение регулярной отчетности о ходе выполнения задач, фиксация проблем и сроков в системах трекинга (Jira) Требования: — Высшее ИТ-образование — Владение SQL: уверенное знание синтаксиса и основных конструкций (SELECT, INSERT, JOIN), работа с агрегатными функциями и оконными выражениями — Понимание операций над множествами (UNION, INTERSECT, EXCEPT) и декартова произведения — Опыт работы с реляционными СУБД (любой вендор — PostgreSQL, MySQL, ClickHouse и т.д.) на уровне pet-проектов — Будет преимуществом знание языков программирования (например, Python) и принципов объектно-ориентированного программирования (ООП) — Наличие завершенных pet-проектов (личных учебных проектов) с обязательной ссылкой на Git-репозиторий для оценки стиля кода и подхода к решению задач — Готовность работать 5/2 из офиса (Нижний Новгород, Нестерова, д.31)

Задачи: — Администрировать, поддерживать и оптимизировать облачные платформы и инфраструктуру. — Настраивать, конфигурировать, поддерживать и совершенствовать CI/CD- и GitOps-пайплайны. — Внедрять и поддерживать практики Infrastructure as Code (IaC) с использованием таких инструментов, как Ansible, Terraform, Pulumi. — Управлять контейнеризированными средами с использованием Docker, Docker Swarm и Kubernetes. — Обеспечивать надежную инфраструктуру и процессы развертывания для BI-сервисов и приложений, включая ClickHouse, SQL, Airflow, Tableau, Superset. — Тесно взаимодействовать с командами разработки и BI для повышения надежности развертывания, консистентности окружений и операционной эффективности. Требования: — Уверенные навыки настройки и администрирования как минимум одной облачной платформы. — Уверенные навыки построения и автоматизации процессов развертывания с использованием CI/CD и GitOps. — Опыт построения масштабируемой IT-инфраструктуры. — Уверенные навыки настройки Linux-серверов и устранения неисправностей. — Практический опыт работы с Kubernetes. — Понимание сетевой модели OSI. — Понимание принципов построения надежной и масштабируемой инфраструктуры, а также автоматизированных процессов развертывания. — Знание принципов информационной безопасности и защиты данных. — Интерес к работе с инфраструктурой для Business Intelligence и data-related решений либо соответствующий практический опыт.

Location: Limassol, Cyprus Workplace: on-site Mayflower is a technology company building high-load products used by millions of people worldwide. Operating at the scale of one of the world's top-50 websites, we solve complex engineering challenges and create solutions that power real-time entertainment for a global audience. We are looking for a Lead ML Engineer to own a new ML stream focused on fast delivery of applied machine learning solutions across different product and business domains. The stream will work with a broad range of ML challenges. Some initiatives may be relatively small and delivered within a few weeks, while others may prove their value and grow into larger dedicated projects. This role combines hands-on ML engineering with end-to-end technical delivery ownership. You will receive product problems and expected outcomes from Product or internal stakeholders, clarify the technical requirements and constraints, define the implementation approach, coordinate execution within the stream, and bring solutions to production readiness and launch. This is a highly hands-on role. The stream will not have a dedicated software engineer for every initiative, so we expect Data Scientists and ML Engineers to be comfortable working beyond experimentation and contributing directly to production code. The role is not tied to a single ML domain. We value strong ML fundamentals, engineering skills, pragmatism, and the ability to quickly understand new problem areas more than deep specialization in one particular class of models. Job Responsibilities Technical Delivery Ownership Turn product and business problems into concrete ML implementation plans. Clarify requirements, constraints, available data, integrations, and success criteria together with Product and relevant stakeholders. Define technical scope, milestones, dependencies, risks, and delivery estimates. Select appropriate ML approaches and determine the fastest reliable way to validate and implement them. Drive technical delivery through experimentation, implementation, integration, deployment, and launch readiness. Keep delivery on track, proactively identify blockers, and coordinate dependencies with other teams. Provide Product with clear technical options, trade-offs, estimates, risks, and experiment results required for product decisions. Support production rollout and iteration based on observed results. Hands-on ML & Engineering Design, train, evaluate, and deploy ML models across different domains and problem types. Write production-quality Python and contribute directly to implementation. Build APIs, batch jobs, data-processing pipelines, and ML services required to deliver solutions where appropriate. Work with classical ML, deep learning, and foundation-model-based approaches depending on the problem. Process and transform large production datasets using Python and SQL. Integrate models into existing production systems. Implement appropriate testing, monitoring, logging, and observability for delivered ML solutions. Work within the shared ML infrastructure, architecture, and engineering practices used across the company. Collaborate with Data Science, Backend, Data Engineering, and MLOps specialists when deeper domain expertise or infrastructure changes are required. Stream Execution Break initiatives down into concrete technical tasks and coordinate execution within the stream. Coordinate the work of Data Scientists and ML Engineers contributing to stream initiatives. Review technical approaches, experiments, and implementation. Keep the team focused on the agreed scope, priorities, and delivery timeline. Identify technical risks and dependencies early and drive them to resolution. Escalate architectural, infrastructure, or methodological questions when broader alignment is required. Help prepare successful initiatives for scaling or transition into longer-term ownership if they grow beyond the scope of the stream. Cross-functional Collaboration Work closely with Product throughout the delivery lifecycle. Independently gather the technical details and constraints required to execute on a product request. Communicate estimates, dependencies, technical trade-offs, and delivery status clearly. Work directly with Engineering and other internal teams to unblock implementation. Challenge technically unclear, contradictory, or infeasible requirements and propose practical alternatives. You’ll thrive here if you have 5+ years of commercial experience in Machine Learning, Data Science, or ML Engineering. Strong hands-on Python programming and software engineering skills. Experience taking ML solutions from a product requirement through experimentation, implementation, integration, and production. Strong understanding of machine learning methods, statistics, experimentation, and model evaluation. Experience writing maintainable production code rather than working exclusively in notebooks. Experience building APIs, services, batch processing, or data pipelines. Strong SQL skills and experience working with large production datasets. Practical experience with Docker and production deployment environments. Ability to turn partially defined problems into concrete technical plans. Ability to estimate work, identify dependencies and risks, and drive technical execution against a timeline. Experience owning technical delivery involving several contributors and coordinating work across dependencies. Experience reviewing code and technical approaches. Ability to work effectively within established engineering and ML practices while independently owning delivery within a stream. Strong communication skills and the ability to work directly with Product and technical stakeholders. Ability to balance speed and engineering quality: validate ideas quickly when uncertainty is high and build robust solutions when moving towards production. Nice to Have Previous experience as a Tech Lead, Stream Lead, or technical owner of ML initiatives. Experience with Kubernetes and CI/CD. Experience with Kafka or other streaming platforms. Experience with Airflow, MLflow, experiment tracking, model monitoring, or similar tooling. Experience building real-time or high-load ML services. Experience with FastAPI or similar Python service frameworks. Experience across several ML domains, such as recommendation systems, ranking, NLP/LLMs, Computer Vision, anomaly detection, forecasting, or classification. Experience with LLM inference, fine-tuning or other GenAI systems. Experience in teams where Data Scientists and ML Engineers own a substantial part of production implementation themselves.

В рамках удаленной работы в банке требуется QlikView-разработчик. Основные обязанности включают анализ существующих бизнес-требований и сбор дополнительных данных у заказчиков, разбиение задач в системе Kaiten, выполнение задач в установленные сроки, проведение функционального тестирования созданных решений, устранение замечаний, выявленных в ходе тестирования, а также документирование реализованного функционала. Кандидат должен иметь опыт работы с QlikView и QMC, владеть SQL и уметь работать с базами данных, такими как MySQL, PostgreSQL, Hadoop или NoSQL. Также необходимо понимание принципов работы с Airflow и REST API (форматы JSON, XML), навыки программирования на Python, опыт использования системы контроля версий Git и способность читать и анализировать существующий legacy-код.