Компания Centicore ищет опытного инженера DevOps для работы над централизованной MLOps-инфраструктурой.
Задачи:
— Конфигурировать и разворачивать инфраструктурные компоненты
— Адаптировать и разрабатывать с нуля автоматизированные пайплайны под актуальные бизнес-задачи (AutoML, LLM, computer vision и пр.)
— Создавать и поддерживать пользовательские инструменты для работы в едином ML-контуре применения и обучения
— Масштабировать разрабатываемые системы и инструменты для управления жизненным циклом моделей машинного обучения
Требования:
— Опыт DevOps от 5 лет с инструментами docker, helm, jenkins/gitlab CI, python
— Желателен опыт ML/MLOps от 1 года с airflow, jupyterhub, mlflow, seldon, cuda
— Опыт администрирования Kubernetes от 2 лет
— Опыт работы с Hadoop, Spark, Kafka, ELK
Условия:
— Удаленный формат работы в IT аккредитованной компании
— Оформление по ТК
— Оплачиваемый отпуск 28 календарных дней в год и оплачиваемые больничные
— Предоставление техники (MAC, Windows)
— ДМС со стоматологией
— Компенсация хобби/спортзала/английского языка
— Компенсация профессионального обучения
— Возможность участия во внутренних программах компании и активностях
— Онлайн и оффлайн корпоративные мероприятия
— Программа лояльности Сентибонусы
Задачи:
— Разработка сервисов ИИ платформы для создания функциональных агентов и ИИ ассистентов.
— Подготовка бэк части для функциональных агентов, включая среду разработки агентов: тестирование фреймворков, opensource агенты.
— Разработка сервиса управления реестром и скиллами агентов.
— Создание отдельного единого сервиса для всех баз знаний, интеграция крупных корпоративных источников.
Требования:
— Понимание архитектуры, возможностей и ограничений современных языковых моделей.
— Опыт работы с embeddings, vector search, RAG, structured output и tool calling.
— Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop.
— Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы.
— Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента.
— Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков.
— Умение оценивать стоимость, latency и масштабируемость LLM-решений.
— Опыт работы в e-commerce, retail или других продуктовых highload-системах.
— Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana.
— Опыт эксплуатации GPU-инфраструктуры и оптимизации inference.
— Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT.
— Опыт проектирования agentic workflows или multi-agent-систем.
— Понимание принципов информационной безопасности, privacy и работы с персональными данными.
Условия:
— full-time
Группа компаний «ДОМ.РФ» реализует национальные проекты в области жилищного строительства и ипотеки. Более 25 лет занимается развитием жилищной сферы в России. В компании работает более 9 тысяч человек, из которых более 1,5 тысяч — команда цифровой вертикали. ИТ-команда проводит цифровую трансформацию строительной отрасли и создает инновационные ИТ-продукты для людей, бизнеса и государства.
Описание:
Ищем разработчика-аналитика DWH в направление Рисков. Позиция предполагает примерно 60-70% разработки, остальная часть — аналитика и взаимодействие с заказчиком.
Задачи:
— Проводить проектную коммуникацию с представителями бизнес-заказчика для уточнения бизнес-требований
— Выявлять и анализировать бизнес-требования, потребности и проблемы заказчика
— Формировать спецификации требований, описание логических моделей, структур данных и проектных решений (хранилища и витрины данных)
— Согласовывать проектные решения с архитекторами, разработчиками и аналитиками смежных команд
— Проектировать и разрабатывать ETL/ELT процессы, слои хранилища и витрины данных
— Разрабатывать и оптимизировать SQL-запросы
— Проводить внутреннее тестирование и контроль качества информационных продуктов
— Участвовать в приёмочных испытаниях информационных продуктов и документации с заказчиками
— Обеспечивать контроль качества данных и их целостность
Требования:
— Высшее образование: техническое, математическое или финансовое
— Опыт работы не менее 5 лет
— Уверенные знания Python, GIT, Airflow (DAG с декомпозицией задач, зависимостями, сенсорами)
— Глубокое знание SQL: оконные функции, процедуры, функции, вложенные запросы, опыт оптимизации запросов
— Понимание индексов, партиций, ключей, нормальных форм, SCD
— Понимание моделирования данных, построения хранилища, репликации и консистентности данных
— Умение рефакторить код и проводить миграцию из одной системы в другую
— Знание принципов CI/CD
Будет плюсом:
— Знание PL/SQL для Oracle, Postres, Greenplum или иной MPP СУБД
— Опыт работы с API
— Знание ООП, DBT, Kafka, Bash, SAS, разработка кастомных Airflow операторов
УдалённоmiddleМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Компания ДОМ.РФ реализует национальные проекты в области жилищного строительства и ипотеки, занимается развитием жилищной сферы в России более 25 лет. В компании работает более 9 тысяч человек, из которых более 1,5 тысяч в цифровой вертикали, которая проводит цифровую трансформацию строительной отрасли и создает инновационные ИТ-продукты.
Описание вакансии:
Мы ищем разработчика-аналитика DWH в направление Рисков. Работа состоит примерно из 60-70% разработки и остальной части аналитики и взаимодействия с заказчиком.
Задачи:
— Проводить проектную коммуникацию с бизнес-заказчиком для уточнения бизнес-требований
— Выявлять и анализировать бизнес-требования, потребности и проблемы заказчика
— Формировать спецификации требований, описания логических моделей, структур данных и проектных решений (хранилища и витрины данных)
— Согласовывать проектные решения с архитекторами, разработчиками и аналитиками смежных команд
— Проектировать и разрабатывать ETL/ELT процессы, слои хранилища и витрины данных
— Разрабатывать и оптимизировать SQL-запросы
— Проводить внутреннее тестирование и контроль качества информационных продуктов
— Участвовать в приёмочных испытаниях информационных продуктов и документации с заказчиками
— Обеспечивать контроль качества данных и их целостность
Требования:
— Высшее техническое, математическое или финансовое образование
— Опыт работы не менее 5 лет
— Уверенные знания Python, GIT, Airflow (DAG с декомпозицией задач, зависимостями, сенсорами)
— Глубокое знание SQL: оконные функции, процедуры, функции, вложенные запросы, опыт оптимизации запросов
— Понимание индексов, партиций, ключей, нормальных форм, SCD
— Понимание моделирования данных, построения хранилища, репликации и консистентности данных
— Умение рефакторить код и проводить миграцию из одной системы в другую
— Знание принципов CI/CD
Будет плюсом:
— Знание PL/SQL для Oracle, Postres, Greenplum или иной MPP СУБД
— Опыт работы с API
— Знание ООП, DBT, Kafka, Bash, SAS, разработка кастомных Airflow операторов
Вакансия предполагает работу на позиции Senior Data Science специалиста с полной занятостью и удалённым форматом в России. Основные задачи включают разработку сервисов для ИИ платформы, предназначенной для создания функциональных агентов и ИИ ассистентов, а также подготовку серверной части для таких агентов, включая тестирование фреймворков и работу с opensource агентами. В обязанности также входит создание сервиса управления реестром и навыками агентов, а также разработка единого сервиса для баз знаний с интеграцией крупных корпоративных источников. Кандидат должен хорошо разбираться в архитектуре и ограничениях современных языковых моделей, иметь опыт работы с embeddings, vector search, RAG, structured output и tool calling. Важны знания принципов проектирования AI-агентов, включая управление состоянием и контекстом, выбор инструментов, контроль автономности и human-in-the-loop. Требуется опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения, а также понимание рисков, связанных с prompt injection, некорректным tool calling, утечкой данных и избыточными правами доступа. Необходим опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков, умение оценивать стоимость, задержки и масштабируемость LLM-решений. Желателен опыт в e-commerce, retail или других высоконагруженных продуктовых системах, а также владение инструментами Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana. Кандидат должен иметь опыт эксплуатации GPU-инфраструктуры и оптимизации inference, а также fine-tuning или адаптации LLM, включая LoRA/PEFT. Опыт проектирования agentic workflows или multi-agent систем и понимание принципов информационной безопасности, конфиденциальности и работы с персональными данными также обязательны.
Задачи:
— Проводить поиск, разбор и последующий анализ источников данных, предоставляющих информацию по уязвимостям;
— Заниматься разработкой и формированием экспертизы (технические стандарты безопасности и информация по уязвимостям) в области информационной безопасности для продуктов компании;
— Автоматизировать процессы по формированию экспертизы ИБ;
— Взаимодействовать с продуктовыми командами с целью улучшения работы продуктов.
Требования:
— Знание Git, Python;
— Наличие навыков администрирования Windows, Linux систем;
— Опыт проведения работ по инструментальному анализу защищенности или опыт работы с одним из сканеров безопасности (Nessus, Nexpose, Qualys, MaxPatrol, OpenVAS, RedCheck, nmap);
— Опыт администрирования сетевого и иного оборудования;
— Знание актуальных угроз и уязвимостей на Windows/ Linux платформах;
— Опыт применения методологий по описанию, приоритизации и устранению уязвимостей (CVE, CVSS, VPR, OWASP);
— Понимание принципов работы инструментов автоматизации (Apache Airflow).
Проект
Крупный ритейл мебели и товаров для сна.
Ожидания от кандидата
- Понимание теории реляционных баз данных и архитектуры хранилищ данных, включая ключевые структуры и процессы;
- Владение методологиями проектирования и построения хранилищ данных;
- Знание подходов к формированию управленческой отчётности: умение готовить данные для витрин, выполнять выверки и контролировать целостность информации;
- Практическое применение Python в разработке решений для обработки и трансформации данных;
- Опыт работы с Airflow и понимание принципов оркестрации ETL‑процессов;
- Уверенное владение SQL, в том числе при работе с большими объёмами данных;
- Опыт использования DBT для построения и поддержки витрин данных;
- Практический опыт работы с ArenadataDB, Postgres и Greenplum; понимание особенностей обработки данных в MPP‑системах;
- Навыки оптимизации запросов для повышения производительности и снижения нагрузки на хранилище;
- Умение работать в команде по принципам командной разработки, владение Git для контроля версий и совместной работы с кодом.
Задачи на проекте
- Оптимизация и выверка запросов для построения витрин отчетности.
Условия работы
ТК РФ до 150 к на руки
ИП РФ до 1100 руб/час
Задачи:
— Проектирование, развёртывание и развитие инфраструктуры платформы искусственного интеллекта (on-prem и облако): Kubernetes-кластеры, GPU-ноды, storage, сети, безопасность.
— Построение и поддержка CI/CD/CT-пайплайнов для ML-моделей и сервисов: от артефакта DS до продакшн-инференса с откатами и канареечными релизами.
— Интеграция и эксплуатация LLM/ML-сервисов для внутренних команд и рыночных внедрений: упаковка моделей в сервисы, конфигурация autoscaling, SLA, observability.
— Настройка мониторинга и алертинга по инфраструктуре и моделям (метрики ресурсов, latency, ошибки, дрейф данных), реагирование на инциденты, участие в post-mortem.
— Автоматизация ML-пайплайнов: подготовка данных, обучение, переобучение, регистрация моделей, управление версиями и окружениями.
— Поддержка внедрений у клиентов: тиражирование платформенных компонентов, адаптация инфраструктуры под контур заказчика, участие в performance-оптимизации и cost-cutting (GPU/CPU).
Требования:
— Высшее образование.
— Опыт работы: 5+ лет.
— Глубокое понимание жизненного цикла ML-модели: от экспериментов до продакшн-инференса и мониторинга.
— Уверенный Linux, сетевые основы, безопасность, работа с контейнерами и оркестраторами.
— Опыт построения CI/CD-пайплайнов для сервисов и ML-артефактов (Docker images, модели, данные).
— Опыт с LLM/GenAI-платформами: vLLM, TGI, Hugging Face, Triton/ONNX Runtime, оптимизация инференса.
— Опыт построения feature store, model registry, ML pipelines (Kubeflow, MLflow, Airflow, Argo Workflows).
— Работа в гибридной инфраструктуре: on-prem кластеры + публичные облака (T1 Cloud, VK Cloud, Yandex Cloud и др.).
— Понимание cost-optimization: FinOps для GPU/CPU, автобалансировка нагрузок.
— Языки: Python (утилиты, обвязка) / Bash.
— Контейнеризация и оркестрация: Docker, Docker Compose, Kubernetes (Helm, Operators), желательно Kubeflow.
— CI/CD: GitLab CI / GitHub Actions / Jenkins / Argo CD.
— Инфраструктура: Terraform / Ansible, конфигурация Linux-серверов, Nginx, cert-manager.
— Data/ML-инфраструктура: Apache Kafka, Airflow/Argo Workflows, S3-совместимые хранилища, MLflow/Weights&Biases.
— Мониторинг и логи: Prometheus, Grafana, Loki/ELK, Sentry, alertmanager.
Профессиональные навыки:
— Проектирование и развёртывание инфраструктуры платформы ИИ (кластер Kubernetes, storage, сети, security) под LLM/ML-нагрузки.
— Построение воспроизводимых ML-пайплайнов: обучение, валидация, packaging модели, деплой в batch и real-time режимах.
— Настройка мониторинга моделей: метрики качества, дрейф данных, latency/throughput, автоматический rollback и retraining-триггеры.
— Совместная работа с DS/разработчиками и внедренцами: перевод экспериментальных ноутбуков в надёжные сервисы для внутренних и внешних клиентов.
Специализированные программы:
— GitLab / GitHub, Jira / Confluence/Сфера
— Kubernetes ecosystem: kubectl, Helm, K9s, Lens.
— ML-инструменты: MLflow / Weights & Biases, Kubeflow Pipelines / Airflow, model registry.
— Мониторинг: Prometheus, Grafana, Loki/ELK, Alertmanager, Sentry.
Проект:
Разработка единой системы оценки эффективности.
Задачи:
— Разработка решений вокруг DWH
— Создание ETL / настройка сбора данных, BI-аналитика
— Проработка архитектуры данных и системы для их сбора
— Внедрение нового функционала, сокращение техдолга
Требования:
— Опыт проектирования и построения пайплайнов: Python / Apache Airflow
— Интеграция источников с GraphQL, RESTful
— Хранение данных в Apache Iceberg / проектирование архитектуры хранения данных
— Проектирование архитектуры сбора данных и витрин
— Тестирование данных на всех уровнях требований к качеству данных
— Настройка метрик и алертов Prometheus / интеграция с внутренними системами оповещений
— Знание предметной области
Условия:
Удаленный формат работы
Интересный проект с архитектурными задачами
Профессиональный рост
О нас:
Мы строим ведущую платформу классифайд объявлений Узбекистана. ML - ядро нашего продукта: поиск, ранжирование, модерация и рекомендации.
Команда находится на активной стадии построения ML-инфраструктуры с нуля: мы выбираем технологии, формируем процессы и закладываем фундамент для ML-платформы следующего поколения.
Чем предстоит заниматься:
- Развивать качество поиска: LTR-модели (LambdaMART/LightGBM), разрабатывать и интегрировать векторный поиск, улучшение поискового пайплайна (работа с саджестером, catpred).
- Строить ML-модели для Trust & Safety: обнаружение мошенничества, модерация объявлений, NER в мессенджерах, скоринг нарушений.
- Развивать систему рекомендаций - item2item, user2item рекомендации.
- Участвовать в проектировании и развёртывании ML-платформы (SageMaker, MLflow, Feast, Evidently, Airflow).
Задачи:
— Подготовка данных: выгрузки из PostgreSQL и POS, очистка, пропуски, выбросы
— Прогнозные модели: поток гостей, спрос на позиции меню, потребность в закупках
— Признаки предметной области: сезонность, праздники, погода, история продаж
— Валидация: разбиение по времени, контроль утечек, бизнес-метрика рядом с технической
— Продуктовые исследования: сегменты гостей, средний чек, отток, эффективность акций
— Передача модели в прод вместе с бэкендом: контракт данных, инференс, мониторинг качества
— Код-ревью, обсуждение гипотез, планирование задач
Требования:
— Python 3.11+, аннотации типов
— pandas, NumPy: группировки, join'ы, оконные функции, даты
— scikit-learn: пайплайны, кросс-валидация, подбор гиперпараметров
— Метрики и переобучение: MAE / MAPE, бейзлайн, утечки
— SQL: join'ы, агрегаты, оконные функции
— EDA: matplotlib или seaborn
— Git, ветки, PR, код-ревью
— Плюсом: statsmodels, Prophet, CatBoost, Docker, FastAPI, Airflow, MLflow, LLM и RAG
Условия:
— Удалённо из России, свободный график
— Доступы к AI-сервисам (ChatGPT, Claude и другие)
— Обучение за счёт компании: курсы, книги, конференции, хакатоны
— Ревью каждые 6 месяцев, путь до Middle+ за 0.5–1 года
Обязательно:
- Опыт оценки работ и распределения загрузки по команде.
- Знание критериев качества данных: полнота, согласованность, актуальность.
- Опыт формализации правил качества данных в виде проверок и технической документации.
- Хорошее владение SQL.
- Практический опыт работы с Oracle и PostgreSQL.
- Опыт разработки ETL-процессов.
- Опыт разработки витрин данных.
- Базовые навыки Python и Pandas.
- Базовые навыки работы с Apache Airflow.
- Опыт проведения code review и согласования MR.
- Опыт сопровождения и мониторинга информационных систем, инфраструктуры и интеграционных взаимодействий.
- Опыт настройки или модернизации мониторинга.
- Опыт анализа инцидентов систем обработки и контроля качества данных.
- Опыт участия в релизном процессе и установке релизов.
- Опыт работы с ролевыми моделями и требованиями ИБ.
- Опыт участия в DR-тестировании.
- Опыт ведения сервисной, функциональной и технической документации.
Необходим опыт:
- Опыт работы с Informatica ETL.
- Опыт работы с FineBI.
- Опыт сопровождения систем контроля качества данных.
- Опыт работы с системами регистрации и маршрутизации инцидентов.
Задачи:
- Мониторинг доступности и работоспособности ИС, её компонентов, инфраструктуры и интеграционных взаимодействий.
- Настройка и модернизация мониторинга и алертинга.
- Анализ инцидентов, логов и результатов автоматических проверок качества данных.
- Разработка и сопровождение ETL-процессов и витрин данных.
- Проведение code review, согласование MR и контроль соблюдения архитектурных требований.
- Декомпозиция задач, оценка работ и распределение загрузки внутри команды.
- Приёмка функциональной, технической и сервисной документации.
- Ведение admin guide, паспорта ИС, базы знаний и эксплуатационных регламентов.
- Сопровождение ролевой модели и выполнение требований ИБ.
- Приёмка изменений, установка релизов и проведение пост-релизных проверок.
- Участие в DR-тестировании.
- Координация устранения критических инцидетов
Задачи:
— писать на Python и PostgreSQL backend часть веб-приложения.
Требования:
— опыт разработки бекенда на Python;
— опыт работы с базами данных;
— знание классических алгоритмов и структур данных;
— будет плюсом: знание принципов машинного обучения, компьютерного зрения, Airflow, Linux, Docker, опыт веб-разработки на JS, написания интерфейсов для получения данных, опыт оптимизации баз данных.
Условия:
— конкурентный уровень заработной платы;
— гибридный формат работы, возможность полной удалённой работы;
— система премирования за научные достижения, публикацию статей, регистрацию патентов и выступления на конференциях;
— «Лекторий» с приглашёнными экспертами и специалистами, делящимися профессиональным опытом;
— внутренняя программа поддержки инноваций;
— медицинская страховка, включающая стоматологию, госпитализации, международные путешествия;
— льготное страхование членов семьи.
Задачи:
— Перевод исследовательских DS рабочих процессов (например, прокси-метрики, модели устаревания) в производственные ML пайплайны с использованием Airflow, WandB и Ray, создание повторно используемых шаблонов для других команд.
— Применение и внедрение методов причинно-следственного вывода с использованием производственного ML стека (propensity scoring, IPW, TMLE) для решения важных задач измерения за пределами экспериментальных возможностей. Создание инструментов самообслуживания для неэкспертов для получения строгих причинных выводов в масштабе.
— Сотрудничество с ML инженерами и продуктовыми командами для выявления возможностей улучшения инструментов, метрик и методов измерения, что приводит к значительному улучшению качества моделей и бизнес-результатов.
— Использование богатых метаданных и сигналов вовлеченности Pinterest для построения дата-дривен фреймворков, от важности признаков до деиндексации контента, для повышения эффективности и скорости платформы.
— Проектирование и создание централизованных инструментов ML платформы для улучшения создания, оценки и доверия к признакам и моделям, включая производственные системы, работающие ежедневно в масштабе для всех моделей.
Требования:
— Опыт работы не менее 2 лет в роли прикладного ученого данных, ML инженера, исследователя или разработчика ПО с значительным опытом внедрения ML в производство.
— Сильные навыки Python; опыт работы с PyTorch или аналогичными фреймворками глубокого обучения; знакомство с распределенными вычислениями (Spark, Ray), предпочтительно Ray.
— Энтузиазм к созданию инструментов и платформ, которые увеличивают влияние всей ML организации, а не решают разовые задачи.
— Глубокие знания теории ML с сильными фундаментальными основами для анализа моделей ML с первых принципов.
— Владение лучшими практиками разработки ПО, включая контроль версий, код-ревью и воспроизводимые ML пайплайны.
— Опыт работы с инструментами управления рабочими процессами (Airflow, Prefect, Jenkins или аналогичными) для надежной оркестрации ML пайплайнов.
— Степень бакалавра или магистра в релевантной области, например, компьютерных наук, или эквивалентный опыт.
Условия:
— Работа удаленная с необходимостью присутствия в офисе 3-5 раз в квартал для личного взаимодействия.
— Позиция не предусматривает помощь с релокацией.
Дополнительно:
— Компания предоставляет равные возможности для всех кандидатов без дискриминации.
— Зарплатный диапазон от $114,297 до $235,319 в год, также возможна доля в компании.
— Работа в США, предпочтительно в Пало-Альто, Калифорния, или удаленно по США.
Digital подразделение крупной производственной компании в поисках Data Engineer (Middle / Senior) в команду, которая строит Корпоративное Хранилище Данных и data-платформы для всего бизнеса.
Основной стек проекта:
Язык программирования Python
Базы данных Greenplum и PostgreSQL
Фреймворк Data Build Tool (DBT)
Фреймворк Spark
Брокер сообщений Kafka
Оркестратор Airflow
Инфраструктура: Kubernetes
Управление инфраструктурой: Terraform, Ansible
Управление кодом: GitLab, SonarQube
Мониторинг: Prometheus, Grafana, AlertManager
Задачи:
— Разработка и поддержка ETL/ELT-процессов в Корпоративное Хранилище Данных
— Организация и оптимизация пайплайнов данных
— Разработка витрин данных и обеспечение качества данных
— Настройка и поддержка инфраструктуры данных (Airflow, Spark, Kafka, DBT)
— Взаимодействие с заказчиками: от сбора требований до внедрения и сопровождения решений
— Документирование и презентация результатов
Требования:
— Опыт работы Data Engineer от 5 лет
— Высшее образование (IT/математика/математическая статистика/физика)
— Отличное знание Python и SQL
— Опыт работы с реляционными БД (Greenplum / PostgreSQL)
— Знание современных технологий обработки больших данных
— Опыт с Airflow, Spark, Kafka, DBT — будет преимуществом
— Умение работать в команде, сильные аналитические навыки и ответственность
Условия:
— Официальное оформление по ТК РФ
— Возможность выбора формата работы (удаленка, гибрид, офис)
— Развитый социальный пакет, ДМС, бонусы
МТС Банк – одно из ключевых направлений экосистемы МТС. Используются современные цифровые решения и развиваются технологичные банковские сервисы, доступные каждому. Команда занимается финансовой и управленческой отчетностью. Основная задача — работа с хранилищем данных (DWH), построение финансового результата, расчётов и отчётов. Ключевая предметная область: финансовый учёт в банке (бухгалтерские счета, проводки, локация). Текущий стек — Oracle, в планах переход на современные инструменты (Spark, Airflow).
Задачи:
— взаимодействовать с бизнес-заказчиками по вопросам сбора, анализа и формализации требований к данным для обязательной отчетности
— выбирать системные решения для обеспечения полноты, доступности и качества необходимых данных
— документировать, систематизировать и унифицировать витрины данных и аналитической отчетности
— строить логические модели данных, описания показателей отчетности
— взаимодействовать с командой разработки хранилища данных и аналитическое сопровождение процесса разработки
— принимать участие в тестировании и приёмке готового функционала
Требования:
— понимание архитектуры и принципов работы хранилищ данных и аналитических систем
— понимание основных задач и принципов управления данными
— опыт разработки или бизнес-анализа витрин, отчетности на базе хранилища данных
— опыт разработки документов (FSD, модель данных, методики расчета показателей)
— опыт построения эффективных коммуникаций, проведения совещаний, выявления и формулирования бизнес и технических требований
— знание SQL на уровне написания базовых запросов (предпочтительно СУБД Oracle)
— знание Excel на продвинутом уровне
— опыт работы с BI средствами на уровне аналитика/разработчика (предпочтительно MS Power BI)
Компания МТС Банк ищет системного аналитика DWH (Oracle). Команда занимается финансовой и управленческой отчетностью, основная задача — работа с хранилищем данных (DWH), построение финансового результата, расчётов и отчётов. Ключевая предметная область: финансовый учёт в банке (бухгалтерские счета, проводки, локация). Текущий стек — Oracle, в планах переход на современные инструменты (Spark, Airflow).
Задачи:
— взаимодействовать с бизнес-заказчиками по вопросам сбора, анализа и формализации требований к данным для обязательной отчетности
— выбирать системные решения для обеспечения полноты, доступности и качества необходимых данных
— документировать, систематизировать и унифицировать витрины данных и аналитической отчетности
— строить логические модели данных, описания показателей отчетности
— взаимодействовать с командой разработки хранилища данных и аналитическое сопровождение процесса разработки
— принимать участие в тестировании и приёмке готового функционала
Требования:
— понимание архитектуры и принципов работы хранилищ данных и аналитических систем
— понимание основных задач и принципов управления данными
— опыт разработки или бизнес-анализа витрин, отчетности на базе хранилища данных
— опыт разработки документов (FSD, модель данных, методики расчета показателей)
— опыт построения эффективных коммуникаций, проведения совещаний, выявления и формулирования бизнес и технических требований
— знание SQL на уровне написания базовых запросов (предпочтительно СУБД Oracle)
— знание Excel на продвинутом уровне
— опыт работы с BI средствами на уровне аналитика/разработчика (предпочтительно MS Power BI)
Задачи:
— разрабатывать и поддерживать DAG в Apache Airflow
— работать со скорингом (рассчитывать стратегии взыскания клиентов)
— программировать на Python (основном языке)
— оптимизировать запросы и работать с Oracle (SQL, хранимыми процедурами)
— поддерживать и сопровождать выгруженные DAG
— участвовать в разработке и применении моделей (машинном обучении, сегментации клиентов)
— проводить код-ревью
— самостоятельно проводить аналитику (в команде нет системных аналитиков)
Требования:
— уверенное коммерческое программирование на Python
— опыт создания DAG и работы с Apache Airflow
— опыт оптимизации запросов в Oracle, знание хранимых процедур
— базовые навыки Linux (сборка образа, решение задач без DevOps)
— опыт работы с Kubernetes
— уровень Middle: около 2–3 лет коммерческой разработки на Python
— релевантный опыт с Airflow 2–3 года
— опыт именно оптимизации запросов в Oracle, а не просто написания простых запросов