Задачи:
— разработка LLM агентов
— создание логики работы и взаимодействия агентов
— дообучение NLP моделей
— создание RAG систем
— вывод и сопровождение моделей
— написание API для выводимых моделей.
Требования:
— знания в области математики, data science
— владение Python (pandas, numpy, torch, fastapi, langchain, etc)
— знание SQL, spark
— приветствуется опыт работы с git, docker
— опыт работы с NLP пайплайнами.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— возможность выбрать удобный график – офис/гибрид
— ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования)
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
— расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
— гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
— подписка Прайм с возможностью совместного использования на трёх близких
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— 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:
— 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.
leadАлматы
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
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.
Задачи:
— разработка моделей по продуктам кредитов физических лиц (КФЛ) для Блока Финансы
— модели досрочного погашения кредитов/вкладов ФЛ на портфельном/клиентском уровне
— модели эластичности КФЛ
— модели рефинансирования КФЛ
— модели детекции аномалий по НОСТРО счетам
Обязанности:
— сбор и подготовка данных (Hadoop, pyspark)
— тестирование различных гипотез
— полный пайплайн разработки модели (бустинг, нейронные сети, временные ряды)
— общение с заказчиками и Data Engineer
Требования:
— опыт работы Data Scientist от 2 лет
— образование по направлениям "Математика", «Физика», «Мат. методы в экономике»
— глубокие знания в области теории вероятностей, статистики
— понимание алгоритмов ML-моделей (регрессии, классификации и т. д.)
— владение Python (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost и др.)
— будет плюсом владение одним из фреймворков DL, pyspark
Условия:
— комфортный современный офис рядом с м. Кутузовская
— офисный формат работы
— ежегодный пересмотр зарплаты, квартальная и годовая премия (зависит от должности и системы премирования)
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
— расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
— гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
— подписка Прайм с возможностью совместного использования на трёх близких
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— 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
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:
— Разработка ML-моделей и алгоритмов
— Вывод в production ML-моделей и расчетных модулей
— Аналитика на больших данных
— Поддержка реализованных решений
— Разработка ML-моделей и алгоритмов для прогнозирования временных рядов
Требования:
— продвинутые знания в области математики (мат.анализ, линейная алгебра, теория вероятностей, мат.статистика)
— python: типы данных, структуры, ООП
— классический ML: задачи (классификация, регрессия), метрики, basic ML stack (pandas, numpy, sklearn, catboost, xgboost), SQL
— BigData stack (Hadoop, Spark, SparkML)
— умение работать с git, Jira, Confluence
Будет плюсом:
— знания в области финансов
— опыт продуктовой аналитики
— опыт работы с временными рядами (анализ, разработка моделей)
— опыт работы с LLM (langchain, langgraph)
— опыт end-2-end разработки ML-моделей (EDA-MVP-Solution-Validation-Production)
— опыт backend разработки
Условия:
— комфортный современный офис рядом с м. Кутузовская
— гибридный формат работы
— 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
— бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
— вознаграждение за рекомендацию друзей в команду Сбера.
Группа Компаний “Вита Плюс” — фармацевтический холдинг, основанный в 2005 году, представленный на региональном рынке под брендами: «Вита Плюс», «Аптека нашего города», «Семейная аптека», «Склад Лекарств», «Вавилон Фарм», «Первая аптека». Компания объединяет более 3000 профессионалов и достигает ежегодного роста и развития.
Задачи:
— Выявление аномалий и глубокая сегментация данных для поиска неочевидных корреляций
— Бенчмаркинг и сравнение показателей сети с рынком для выявления слепых зон
— Сценарное моделирование развития событий с построением нескольких вариантов прогноза
— Стресс-тестирование влияния внешних факторов на маржинальность
— Разработка имитационных моделей для оценки влияния изменений параметров на прибыль
— Декомпозиция целей, определение ключевых метрик и создание индексных показателей
— Трансформация данных в стратегические планы и подготовка материалов для ТОП-менеджмента
Требования:
— Продвинутый SQL (оконные функции, CTE)
— Python (Pandas, NumPy, SciPy) или R для статистического моделирования
— Понимание регрессии, корреляции, кластеризации, теории вероятностей
— Знание разницы между Gross Profit, Net Profit, EBITDA, ROI, ROMI
— Системное мышление: видеть цепочку X → Y → через 3 месяца Z
— Коммерческая интуиция: опыт в ритейле, e-com или дистрибуции
— Здоровый скептицизм к данным: не верить «средней температуре по больнице», искать хвосты распределения
Условия:
— Зарплата от 100 000 ₽ (обсуждается по итогам собеседования)
— Официальное оформление по ТК РФ
— График 5/2
— Удаленный формат работы или гибрид
— Современный стек, приветствуется инициатива и новые инструменты
— Возможность влиять на процессы с первых месяцев, отсутствие жесткой бюрократии
Требуется специалист с хорошим знанием Python (Pandas, Numpy, MatPlotLib и другие аналитические библиотеки), отличным знанием SQL (Postgre с умением написания оконных функций), опытом построения отчетности (PowerBI предпочтительно), уверенным знанием Excel (ВПР, Сводные таблицы и пр.). Опыт работы в антифрод-аналитике или риск-менеджменте является преимуществом. Понимание алгоритмов ML также является плюсом.
Задачи:
— разрабатывать и выгружать обязательную отчетность для Центрального Банка РФ;
— подготавливать аналитические отчеты и дашборды для смежных подразделений компании;
— участвовать в модернизации и настройке систем мониторинга транзакций (антифрод-систем).
Задачи:
— работать с большими данными в экосистеме Hadoop (PySpark, SQL) — от выгрузки и разведки до построения витрин для моделей
— разрабатывать индивидуальные модели эластичности и клиентского поведения в сегменте B2C — от прототипа до продвинутого пайплайна обучения и предсказаний
— проверять бизнес-гипотезы и превращать их в измеримый эффект: дизайн и оценка A/B-тестов (мэтчинг, продвинутые методы causal inference, интерпретация результатов)
— выстраивать коммуникацию с заказчиками: согласовывать метрики, защищать подходы, показывать ценность данных на понятном языке
— обеспечивать надёжность и мониторинг внедрённых решений — чтобы модель работала стабильно и приносила пользу каждый день.
Требования:
— опыт работы Data Scientist от 5 лет
— высшее техническое образование (будет плюсом если выпускник - МГУ, МФТИ, ВШЭ и других ведущих вузов страны)
— понимание теории вероятностей и статистики
— уверенное владение широким спектром ML-алгоритмов — регрессия, классификация, кластеризация, а также uplift-моделирование (способность оценивать причинно-следственные эффекты, а не просто предсказывать)
— владение Python и ML библиотеками (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost, etc.)
— плюсом будет опыт работы с pytorch, pyspark.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— возможность выбрать удобный график – офис/гибрид
— ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования)
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
— расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
— гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
— подписка Прайм с возможностью совместного использования на трёх близких
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— участие в создании и поддержке аналитических решений для повышения эффективности маркетинговых кампаний;
— применение методов машинного обучения, особенно uplift-моделирования, для оптимизации взаимодействия с клиентами и повышения ROI;
— построение uplift-моделей по сегментам для разных групп;
— разработка uplift-моделей для различных номиналов промоакций с последующей оптимизацией;
— прогнозирование RFM;
— участие в проведении A/B тестов, расчет финансовых эффектов от внедрения моделей, генерация признаков для моделей.
Требования:
— базовое понимание статистики и теории вероятностей;
— опыт работы с Python (Pandas, NumPy);
— знание основ машинного обучения (линейная регрессия, деревья решений, случайный лес);
— понимание концепции uplift-моделирования;
— опыт работы с табличными данными;
— понимание принципов распределенных вычислений (PySpark);
— опыт коммерческой разработки.
Технологии и инструменты:
— работа с данными: pyspark, SQL, S3;
— классический ML и uplift: Scikit-learn, XGBoost, LightGBM, CatBoost, scikit-uplift;
— разработка и версионирование: Jupyter Notebook, VS Code/PyCharm, git;
— ML инфраструктура: JupyterHub, MLFlow, Airflow, PostgreSQL;
— ML: Transformers, SGLang, Triton;
— процессы: Jira, Confluence.
About Us Constructor is the next-generation platform for search and discovery in ecommerce, built to explicitly optimize for metrics like revenue, conversion rate, and profit. Our search engine is entirely invented in-house utilizing transformers and generative LLMs, and we use its core and personalization capabilities to power everything from search itself to recommendations to shopping agents. Engineering is by far our largest department, and we've built our proprietary engine to be the best on the market, having never lost an A/B test to a competitive technology. We're passionate about maintaining this and work on the bleeding edge of AI to do so. Out of necessity, our engine is built for extreme scale and powers over 1 billion queries every day across 150 languages and roughly 100 countries. It is used by some of the biggest ecommerce companies in the world like Sephora, Under Armour, and Petco.
About The Role We are hiring Senior Data Scientists across multiple teams at Constructor. Wherever you land, you will work with data from some of the world's largest ecommerce companies, applying statistics and machine learning to problems that directly move business metrics like revenue and conversion rate. Our data scientists design and analyze experiments, dig into how our ranking, personalization, and recommendation algorithms behave, and connect model performance to real business outcomes. During the interview process we will get to know your strengths and interests and match you with the team where you can have the biggest impact.
What You'll Do
Design, run, and analyze A/B tests measuring impact on key business metrics like revenue, conversion rate, and profit
Apply statistical methods and machine learning to solve business and product problems
Develop a deep understanding of how our search, ranking, and personalization algorithms work, and how to evaluate and improve them
Analyze large-scale behavioral data to generate insights and recommendations for customers and internal teams
Build analyses, models, and tools that help teams make better decisions
Communicate findings clearly to technical and business stakeholders
Requirements
Strong experience solving business problems using data science and statistics
Solid knowledge of SQL and experience working with large datasets
Strong Python skills for analysis and modeling (pandas, NumPy, scikit-learn, visualization libraries)
Deep understanding of A/B testing, experiment design, and statistical inference
Product & data understanding: Understanding of machine learning systems: how models are trained, evaluated, and tuned
Experience connecting model or algorithm performance to product funnels and business metrics
Familiarity with ranking, recommendations, or search relevance is a plus
Communication & ownership: Ability to communicate insights clearly to both technical and business audiences
Comfortable working independently with multiple stakeholders in a fast-paced environment
Preferred skills: Experience working in e-commerce or with large-scale user behavioral data
Experience in customer-facing analytical work
Benefits
Work with smart and empathetic people who will help you grow and make a meaningful impact.
Regular team offsite events to connect and collaborate.
Fully remote team - choose where you live.
Unlimited vacation time - we strongly encourage all of our employees take at least 3 weeks per year.
Work from home stipend! We want you to have the resources you need to set up your home office.
Apple laptops provided for new employees.
Training and development budget for every employee, refreshed each year.
Maternity & Paternity leave for qualified employees.
Base salary: $80k–$120K USD depending on knowledge, skills, experience, and interview results
Stock options - offered in addition to the base salary
Diversity, Equity and Inclusion At Constructor
At Constructor.io we are committed to cultivating a work environment that is diverse, equitable, and inclusive. As an equal opportunity employer, we welcome individuals of all backgrounds and provide equal opportunities to all applicants regardless of their education, diversity of opinion, race, color, religion, gender, gender expression, sexual orientation, national origin, genetics, disability, age, veteran status or affiliation in any other protected group. Studies have shown that women and people of color may be less likely to apply for jobs unless they meet every one of the qualifications listed. Our primary interest is in finding the best candidate for the job. We encourage you to apply even if you don't meet all of our listed qualifications.
Задачи:
- Работа с различными по сложности структурами данных и их источниками
- Поддержка существующей кодовой базы — отладка, ускорение работы
- Разработка новых программных решений для бизнеса (B2B-продукты)
Требования:
- Коммерческий опыт разработки ~1 год
- Хорошее знание Python, его инфраструктуры и встроенных библиотек
- Знание как минимум одного популярного веб-фреймворка
- Знание как минимум одного популярного фреймворка для обработки данных (numpy / pandas / polars)
- Знакомство с методами оптимизации кода (векторизация, распараллеливание, async)
- Хорошее знание реляционных СУБД, опыт написания автотестов
- Docker, Linux, Git
Условия:
- Оформление по ТК РФ
- ДМС после испытательного срока
- Формат работы: удалённо или гибрид (офис — башня «Империя», Москва-Сити)