Задачи:
— проектировать и разрабатывать backend-сервисы и RESTful API (Python/Django)
— строить agentic-пайплайны на LangChain, LangGraph, n8n и аналогичных инструментах
— собирать и обрабатывать данные из внутренних систем (jira, confluence, продуктовые реестры, аналитические платформы)
— строить ETL/ELT-пайплайны на Python/Pandas/NumPy, в том числе потоковые данные через Kafka
— готовить данные для обучения/дообучения моделей и базово настраивать/оценивать качество ML/LLM-компонентов совместно с профильными специалистами
— разворачивать и эксплуатировать сервисы в закрытом контуре (production-инфраструктура внутри периметра безопасности, без выхода во внешний интернет): Docker, Kubernetes, CI/CD
— принимать архитектурные решения по сервисам и агентным пайплайнам — тестирование, код-ревью
— взаимодействовать с продуктовыми и инженерными командами при формировании требований и внедрении агентных и аналитических инструментов в рабочие процессы
— готовить дашборды и рекомендации для управленческих решений по приоритизации и балансировке портфеля продуктов.
Требования:
— от 3 лет опыта в backend-разработке с выводом решений в production
— опыт построения агентных систем — обязателен
— опыт самостоятельного проектирования архитектуры backend-сервисов и агентных пайплайнов, готовность нести ответственность за принятые технические решения
— Python — продвинутый уровень; Django, RESTful API
— SQL, опыт работы с реляционными и NoSQL хранилищами
— LangChain, LangGraph, MCP servers, опыт с n8n или аналогами; понимание RAG-архитектур, embeddings, векторных баз данных
— Pandas, NumPy, Kafka — обработка табличных и потоковых данных, ETL/ELT на больших объемах
— Docker, Kubernetes, CI/CD — уверенный пользовательский уровень.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— 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:
— проводить аналитику и мониторинг работы моделей
— собирать и подготавливать данные, последующий EDA, feature engineering
— разрабатывать новые ML-модели
— оптимизировать скрипты data/model/inference pipelines
— подготавливать код проекта к проду, подготавливать, дизайнить и проводить АБ-тесты.
Требования:
— высшее образование по техническому направлению
— от года релевантного опыта в ML
— прочный математический фундамент (понимание градиентного спуска, характеристик основных распределений, PCA, МНК, базовые статистические тесты проверки гипотез)
— умение и желание писать код на Python, оптимизировать его, разбираться в чужом коде, понимание SQL
— владение основными библиотеками для анализа данных: pandas, numpy, scipy, matplotlib, statmodels
— глубокое понимание основных алгоритмов классического ML (линейная/логистическая регрессия, деревья решений, ансамбли), базовые знания по DL (основные архитектуры, тонкости обучения)
— владение основными фреймворками для ML/DL: sklearn, pytorch, transformers и др.
Будет плюсом:
— интерес к методам ML в задачах ценообразования и финансах
— изучение Reinforcement Learning, multi-arms bandits
— чтение статей по современным решениям для работы с последовательностями.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— гибридный формат работы
— ежегодный пересмотр зарплаты, квартальная и годовая премия
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета
— программа адаптации и помощь руководителя на старте (для Junior)
— расширенный ДМС, льготное страхование для семьи, 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.
Neoavlod o'quv markazi 4–9 oy davomida python va vibe coding yo'nalishida ta'lim olgan tayyor guruhni yangi bosqichga olib chiqadigan, o'quvchilarni real loyihalar asosida ishlashga va o'z g'oyalarini bozorga chiqarishga yo'naltira oladigan tajribali mentor izlamoqda.
Talab qilinadigan texnologiyalar va ko'nikmalar:
— Python
— Git/Github
— Vs Code
— Virtual Muhitlar (Venv)
— Pip
— Numpy
— Pandas
— Sql/Sqlite
— Rest Api
— Flask/Django Asoslari
— Html/Css/Js Asoslari
— Ai Kod Yordamchilari (Claude Code, Cursor, Copilot)
— Prompt Engineering
— Terminal/Bash
— Debugging va Testing (Pytest)
— Deployment (Vercel/Render)
УдалённоQibray
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи:
— Исследование и анализ данных для продуктовых решений
— Самостоятельный поиск и интеграция новых источников данных
— Написание сложных SQL-запросов для построения витрин и аналитики
— Проектирование логики многокомпонентных фич и новых продуктовых инструментов
— Изучение и анализ работы репрайсеров (Ozon, Wildberries, Яндекс Маркет)
— Сбор информации по правилам и API новых площадок
— Построение витрин и дашбордов на данных маркетплейсов
Требования:
— Опыт работы в аналитике данных или продуктовой аналитике от 3 лет
— Отличное знание SQL и умение собирать витрины «с нуля» без BI-инструментов
— Базовые навыки Python (Pandas, Matplotlib) для EDA
— Понимание специфики e-commerce и маркетплейсов
— Опыт самостоятельного поиска и интеграции новых источников данных
— Умение проектировать сложные продуктовые фичи и работать с API
— Аналитический склад ума, самостоятельность и инициативность
Условия:
— Полностью удалённая работа: работай из любой точки мира
— График 5/2, 8-часовой рабочий день
— Оформление по ТК, стабильная зарплата
— ЗП 150 000 - 170 000 рублей + премия OKR
Задачи:
— Разбирать и обрабатывать документы в форматах Excel, PDF и сканы.
— Извлекать табличные данные из документов.
— Нормализовать даты, номера документов, суммы и другие поля.
— Проектировать и реализовывать логику сопоставления данных.
— Выявлять расхождения между двумя источниками.
— Обрабатывать сложные кейсы: разные периоды, отличающиеся номера, частичные совпадения и другие неоднозначные ситуации.
— Интегрировать OCR и Document AI-инструменты.
— При необходимости использовать LLM для интерпретации и формирования человекочитаемых объяснений.
— Разрабатывать backend/API для сервиса.
— Участвовать в проектировании архитектуры MVP.
— Работать с реальными обезличенными финансовыми документами и тестировать качество решения на исторических данных.
Требования:
— Коммерческий опыт разработки на Python от 3 лет.
— Уверенное владение Python.
— Опыт работы с pandas и табличными данными.
— Опыт обработки Excel / CSV.
— Опыт парсинга PDF.
— Опыт разработки backend-сервисов и REST API.
— Понимание алгоритмов сопоставления, нормализации и очистки данных.
— Умение проектировать решение самостоятельно, а не только работать по готовому ТЗ.
— Опыт работы с Git.
Будет большим плюсом:
— Опыт с OCR: Tesseract, PaddleOCR или аналогами.
— Опыт с PyMuPDF, pdfplumber, Camelot, Tabula.
— Опыт с fuzzy matching.
— Опыт работы с Document AI / Intelligent Document Processing.
— Интеграция LLM API: OpenAI, Azure OpenAI, YandexGPT или аналогов.
— Опыт разработки систем reconciliation / data matching.
— Опыт работы с финансовыми, бухгалтерскими или другими структурированными документами.
— Опыт On-Premise решений.
— Опыт построения решений, где нужно сочетать детерминированную бизнес-логику и AI.
Что здесь не требуется:
— Классический Data Scientist и обучение собственных ML-моделей с нуля.
— В проекте важнее: сильная прикладная Python-разработка; работа с документами и данными; построение надежной логики сопоставления; понимание, где действительно нужен AI, а где лучше использовать обычные алгоритмы.
О проекте:
— На первом этапе планируется разработка MVP без глубокой интеграции с внутренними учетными системами.
— Базовый сценарий: пользователь загружает акт сверки и внутреннюю выгрузку, система извлекает и нормализует данные, выполняет сопоставление, показывает совпадения и расхождения, формирует структурированный результат для пользователя.
— Ожидаемый результат — рабочий прототип, который можно проверить на реальных исторических данных.
Условия:
— Удалённая работа.
— Проектная занятость / аутстафф.
— Возможна полная или частичная загрузка — обсуждается индивидуально.
— Проект стартует с этапа MVP, с возможностью продолжения.
— Работа в составе небольшой проектной команды.
— Ожидаемый уровень Middle+ / Senior.
— Специалист должен самостоятельно разобраться в предметной области, предложить техническое решение и довести его до рабочего результата.
Будет преимуществом в отклике:
— Опыт похожих задач: обработка документов; OCR; reconciliation / matching; financial data processing; Document AI; LLM-интеграции.
— Указание текущей доступности, возможной загрузки в часах в месяц, часовой ставки, формата работы: ИП / самозанятый / другой.
Задачи:
— Выгрузка и подготовка данных из PostgreSQL по ТЗ.
— Сборка и актуализация отчетов/дашбордов в BI-системах (Power BI, Superset, Yandex DataLens).
— Проверка корректности данных и поиск аномалий в отчетах.
— Помощь старшим аналитикам в подготовке презентаций с выводами по метрикам.
— Ведение документации по методологиям расчета KPI.
Требования:
— Базовый SQL (SELECT, WHERE, GROUP BY, базовые JOIN).
— Уверенный Excel / Google Таблицы (XLOOKUP/ВПР, сводные таблицы, формулы).
— Понимание базовых метрик (CTR, CPC, Конверсия, ROI/ROAS).
— Внимательность к деталям и точность в расчетах.
— Готовность учиться и задавать вопросы.
Будет плюсом:
— Базовый Python (Pandas) или желание его освоить.
— Опыт или курсы по веб-аналитике (Яндекс Метрика / Google Analytics).
— Наличие учебных или pet-проектов.
Условия:
— Оплачиваемый испытательный срок (2 месяца) с ментором и пошаговым планом.
— Перспектива роста до Middle Analyst за 8–12 месяцев.
— Выплаты 2 раза в месяц на карту РФ/РБ.
Задачи:
— сбор, предобработка, консолидация данных из внутренних и внешних источников;
— обеспечение структурированного хранения данных (ведение справочников), проверка качества данных;
— ведение регулярной отчетности по коммерческим и медийным показателям (реклама и аудитория в интернете);
— поддержка и совершенствование существующих бизнес-процессов и аналитических инструментов;
— создание расчетов и аналитических моделей;
— построение и поддержка витрин данных;
— анализ данных, подготовка ad-hoc запросов, аналитических записок, презентаций для руководства с выводами и рекомендациями;
— постановка технических заданий разработчикам, составление инструкций и регламентов по работе с данными;
— автоматизация расчетов и отчетности (Excel / SQL / Python).
Требования:
— высшее образование (желательно техническое, математическое, экономическое, социологическое);
— опыт работы в аналогичной должности не менее 2-х лет;
— уверенное владение пакетом MS Office, Excel - на продвинутом уровне (формулы, сводные таблицы, визуализация данных, Power Query);
— базовые или средние навыки работы с Python (Pandas) и SQL;
— понимание структуры баз данных и DWH, форматов хранения данных, моделей данных;
— опыт работы с массивами данных, включая структурированные и неструктурированные источники;
— умение визуализировать данные, формулировать выводы и рекомендации для бизнеса;
— внимательность к деталям, критическое мышление, методичность и аккуратность в работе с данными;
— ответственность, устойчивость к рутинной работе, высокая грамотность, коммуникабельность и вежливость.
Будет плюсом:
— python – библиотеки datetime, numpy, pandas, re, requests, sqlalchemy, sqlite3; работа с API;
— работа с ПО Медиаскоп (Palomars, Adex);
— знание рекламного рынка (структура, функции основных участников, происходящие процессы) и принципов размещения рекламы в интернете;
— знание основ медиапланирования;
— навыки использования математических методов моделирования и анализа.
Условия:
— работу в стабильной и постоянно развивающейся компании-лидере рекламного рынка;
— гибридный график работы (с 10 до 19), офис в шаговой доступности от метро Молодежная или Крылатское;
— стабильную заработную плату;
— официальное оформление;
— широкий спектр социальных программ: ДМС, программа поддержки корпоративного благополучия ПОНИМАЮ, скидки на театральные, музыкальные и т.п. мероприятия;
— обучение в Корпоративном Университете (обучение, менторинг, коучинг);
— приятную и комфортную атмосферу, дружный коллектив.
Задачи:
— Разработка и внедрение ML моделей на клиентской базе B2C и B2B для инвестиционных, страховых и сберегательных продуктов.
— Работа с рекомендательными системами и моделями отклика для СберБанк Онлайн и СберИнвестиций.
— Создание NLP-моделей на текстовых данных.
— Использование продвинутых подходов классического ML, включая uplift-моделирование, работу с несбалансированными классами, feature engineering на больших данных, SOTA-алгоритмы.
Обязанности:
— Построение ML моделей на основе табличных данных, последовательностей событий (кликстрим, транзакции и т.д.), текстовых данных.
— Написание production-ready кода и передача его в CI/CD пайплайн команды MLOps с ответственностью за качество кода и воспроизводимость.
— Улучшение процесса построения моделей, разработка прикладных модулей командного фреймворка для повышения производительности DS и улучшения качества кода в промышленной среде.
— Выдвижение data-driven гипотез и предложений для запуска новых механик, поиск инсайтов в данных.
Требования:
— Глубокое знание классического ML и опыт применения к реальным бизнес-задачам (градиентный бустинг, NLP алгоритмы).
— Понимание основных Deep Learning подходов.
— Продвинутое знание SQL (оконные функции, оптимизация плана запроса).
— Отличное знание Python, включая библиотеки catboost, pandas, numpy, sklearn, torch.
— Опыт работы с Hadoop, PySpark (оптимизация запросов, работа на общем кластере).
Условия:
— Комфортный современный офис рядом с м. Кутузовская.
— Ежегодный пересмотр зарплаты, 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.
— Ипотека для сотрудников выгоднее до 4%.
— Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.
— Вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— Работа с различными по сложности структурами данных и их источниками
— Поддержка существующей кодовой базы – отладка, ускорение работы
— Разработка новых программных решений для бизнеса
Требования:
— Коммерческий опыт разработки около 1 года
— 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
— Знание Docker
— Знание Linux и Git
Условия:
— Обучение, тренинги и прозрачный карьерный рост, корпоративный коуч
— Офис класса А в башне Империя Москвы-сити
— Возможность гибридного/удаленного формата работы
— Комфортная неформальная атмосфера, клубы по интересам, мероприятия
— Оформление по ТК, ДМС после испытательного срока, страхование от несчастных случаев, онкочекапы и материальная помощь
— Бесплатные консультации от психологов, налоговых консультантов и других специалистов
— Корпоративная программа скидок платформы Best Benefits
— Волонтерские программы, платформа для идей и их реализации, благотворительность
Задачи:
— участвовать в полном цикле разработки AI-агентов и универсальных ассистентов: от идеи и проектирования до запуска в продакшн
— проводить эксперименты, тестировать гипотезы и исследовать новые подходы для создания агентских решений
— разрабатывать и внедрять LLM-пайплайны, чат-ботов и интеллектуальные системы
— обучать и дообучать NLP-модели под конкретные задачи продукта
— интегрировать разработанные модели и логику в бизнес-процессы
— мониторить качество работы моделей в продакшне, находить узкие места и оперативно вносить улучшения.
Требования:
— опыт в NLP и понимание технологий: от классических алгоритмов до трансформеров и генеративных моделей (LLM)
— практический опыт коммерческой разработки AI-агентов, чат-ботов и LLM-пайплайнов
— опыт обучения глубоких нейронных сетей
— уверенное владение PyTorch, NumPy, Pandas, а также фреймворками для работы с агентами: LangChain, LangGraph (или их аналогами)
— уверенное владение Python, Git, SQL, Bash, Docker. Умение писать чистый, поддерживаемый и тестируемый код
— навык перевода бизнес-требований в конкретные технические и алгоритмические решения.
Будет плюсом:
— понимание принципов микросервисной архитектуры и опыт проектирования REST API
— опыт разработки асинхронных и многопоточных приложений (asyncio, aiohttp, multiprocessing и др.)
— опыт взаимодействия с реляционными и нереляционными базами данных
— практический опыт настройки и поддержки CI/CD-пайплайнов (Jenkins, GitLab CI, ArgoCD или аналоги)
— опыт развёртывания и управления приложениями в Kubernetes.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— 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:
— Разрабатывать и внедрять ML-модели для прогнозирования поведения клиентов-физических лиц и розничного продуктового портфеля Банка
— Рассчитывать ожидаемые денежные потоки по кредитным и пассивным продуктам Банка
Требования:
— Опыт работы в банковской сфере
— Опыт разработки и внедрения ML-моделей от сырых данных до production
— Работа с табличными данными
— Свободное владение Python: Pandas, NumPy, Matplotlib (или аналогичными инструментами визуализации)
— Знание SQL: оконные функции, сложные JOIN, оптимизация запросов к БД
— Хорошее владение ML-библиотеками: CatBoost, LightGBM, XGBoost, Scikit-learn
— Умение проводить стресс-тесты и А/В-тесты
— Понимание особенностей розничных банковских бизнес-процессов
— Преимуществом будет знание MLflow, Airflow, Butch Scoring, Docker, Spark / PySpark
Условия:
— Офисный формат работы
— Офис в центре Москвы
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:
— 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.
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
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
УдалённоmiddleМосква
Зарплата не указана
Зарплата не указана
Все вакансии в одном месте — страница 3 · Job Hunters