Требования:
- Опыт TeamLead (управление командой) не менее 4 лет;
- Опыт разработки ETL/ELT-процессов, в которых значительная часть логики реализована на стороне СУБД;
- Опыт разработки и сопровождения хранимых процедур / функций в СУБД;
- Практический опыт использования SQL/PLSQL или аналогичных процедурных расширений SQL для реализации загрузок и трансформаций данных;
- Опыт участия в проектах миграции ETL-систем (Apache стек);
- Опыт разработки на Python (написание ETL-скриптов, работа с pandas, интеграция с API);
- Опыт написания и отладки DAG'ов в Apache Airflow (не только проектирование, но и разработка);
- Опыт работы с PySpark (трансформации, оптимизация, партиционирование);
- Опыт миграции ETL-процессов с Informatica PowerCenter на открытый стек (Airflow + Greenplum);
- Глубокое практическое знание NiFi и Airflow: проектирование потоков, подключение источников, обработка ошибок, мониторинг, отладка;
- Опыт работы с качеством данных: разработка правил валидации, анализ влияния на бизнес-процессы;
- Понимание архитектурных подходов к проектированию хранилищ, различие ETL и ELT;
- Опыт работы с Hive metastore (устройство, хранение на PostgreSQL) и форматами файлов (Parquet, ORC);
- Опыт работы с Оracle;
- Опыт применения сложных SQL-запросов (оконные функции, джоины);
- Умение оптимизировать запросы для highload-среды;
- Опыт проектирования интеграций Apache-стека с Kafka и BI-системами;
- Опыт настройки потоковой обработки данных;
- Опыт работы с Hadoop и Hive (знание версий, источников данных);
- Опыт работы с PostgreSQL, Greenplum, Clickhouse;
- Опыт работы с Grafana/Prometheus для отслеживания ETL-процессов;
- Опыт работы с биллингом;
- Опыт автоматической валидации и контроля качества данных после миграции (сравнение результатов, метрики);
Обязанности:
- Миграция ETL-процессов с Informatica PowerCenter на целевой стек: NiFi + Airflow + Greenplum + SQL/хранимые процедуры.
- Подготовка документации AS IS и TO BE;
- Написание SQL кода;
- Отслеживание метрик.
Задачи:
— Строить и развивать аналитическое хранилище компании на базе BigQuery.
— Настраивать конвейеры данных из продуктовых и маркетинговых источников (AppsFlyer, Adjust, RevenueCat, Amplitude, Mixpanel, Facebook Ads и др.).
— Формировать данные в удобный для аналитиков и продуктовых менеджеров вид.
— Документировать модель данных.
— Внедрять лучшие практики работы с хранилищем: слоистая архитектура (raw / staging / marts), соглашения по наименованиям, версионирование, тесты качества данных.
— Взаимодействовать с продуктом, маркетингом и аналитикой для понимания бизнес-требований и трансформации их в структуру данных.
Требования:
— Опыт работы в data engineering от 2 лет или сильная аналитическая роль с реальным инженерным компонентом (уровень solid junior / light middle).
— Уверенное владение Python для написания ETL/ELT скриптов, работы с API и автоматизации конвейеров.
— Опыт работы с GCP (BigQuery, Cloud Functions, Cloud Storage).
— Уверенный уровень SQL: оконные функции, CTE, оптимизация запросов.
— Понимание принципов аналитических хранилищ: слоистая архитектура, нормализация/денормализация, идемпотентность конвейеров, инкрементальные загрузки.
— Опыт интеграции данных из внешних источников через API или готовые коннекторы.
— Сильные коммуникативные навыки для общения с нетехническими стейкхолдерами, умение задавать уточняющие вопросы и объяснять технические ограничения простым языком.
— Опыт работы с Git: ветвление, код-ревью.
Желательно:
— Опыт с типичными источниками подписочного/мобильного стека: AppsFlyer, Adjust, Adapty, Amplitude, Mixpanel.
— Понимание специфики мобильной атрибуции: SKAdNetwork, постбеки, детерминистическая и вероятностная атрибуция.
— Опыт работы с BI-инструментами (Looker Studio, Metabase, Tableau, Power BI) на уровне настройки источника и построения дашбордов.
— Знания Terraform / IaC для ресурсов GCP.
— Опыт с CDC / стримингом (Pub/Sub, Dataflow) — плюс, но не критично.
Условия:
— Гибридный формат работы: 2 дня в офисе в Варшаве, 3 дня удаленно.
— Обеды оплачиваются в офисные дни.
— Возможность участвовать в командных мероприятиях.
— Гибкий график с фокусом на результат.
— Работа в молодой команде с энергией стартапа, без бюрократии и микроменеджмента.
Требования:
- sql, базы данных, python, аналитический склад ума
Обязанности:
- построение ETL-процессов
- работа с современным стеком трансформации
- оркестрация данных
- управление хранилищами
- визуализация смыслов
- оптимизация выборок
Условия:
Срочный трудовой договор на 3 месяца, удаленно/офис/гибрид.
Стажировка для студентов из любых ВУЗов.
О компании и роли
Продуктовая mobile game-компания с многомиллионной аудиторией и сильной рекламной моделью монетизации.
Ищем Lead Data Scientist, который будет развивать ML-решения для рекламной монетизации, персонализации и рекомендаций, а также вести и менторить Data Science-команду.
Почему стоит рассмотреть
• Влияние на ключевые продуктовые метрики: ad revenue, engagement, retention и LTV
• Большие объёмы behavioral data и реальные production ML-задачи
• Возможность влиять на Data Science roadmap, технические решения и развитие команды
• Работа на стыке Data Science, Product, Engineering и Ad Monetization
Важно
• 5+ лет опыта в Data Science, желательно в consumer / mobile-продуктах
• Обязателен опыт в advertising monetization, revenue optimization или advertising analytics
• Опыт с recommendation, personalization или ranking systems
• Сильный Python и SQL
• Опыт с ML-моделями, A/B-тестированием и applied statistics
• Опыт работы с большими behavioral datasets
• Опыт технического лидерства или менторинга Data Scientists
Задачи:
— Анализировать продуктовые метрики B2C-направления: воронки, retention, когорты пользователей
— Настраивать и поддерживать трекинг событий в Amplitude (или аналогичной системе)
— Считать unit-экономику продукта: LTV/CAC, конверсии, retention, а также финтех-специфичные метрики — GMV, payment success rate, показатели по транзакциям
— Строить и поддерживать дашборды для команды и стейкхолдеров (Superset / DataLens / Power BI)
— Настраивать real-time дашборды операционных метрик и алерты в Grafana
— Писать сложные SQL-запросы к PostgreSQL, оптимизировать их под нагрузку
— Обрабатывать и автоматизировать анализ данных на Python (pandas/numpy)
— Помогать выстраивать витрины данных и элементы ETL-процессов
Требования:
— SQL — PostgreSQL: оконные функции, CTE, оптимизация запросов
— Продуктовая аналитика — опыт работы с Amplitude или аналогами: воронки, retention, когорты, настройка событий
— Python — pandas/numpy для обработки данных и автоматизации
— BI-инструменты — опыт построения и поддержки дашбордов (Superset / DataLens / Power BI)
— Grafana — опыт настройки real-time дашбордов и алертов по операционным метрикам
— Понимание продуктовых и финансовых метрик: unit-экономика, LTV/CAC, конверсии, retention
— Понимание специфики fintech-метрик: GMV, payment success rate, транзакционные показатели
— Базовые знания статистики
Условия:
— официальное трудоустройство по ТК РК
— понятный онбординг и поддержка на старте
— обучение и развитие за счёт компании
— частичная компенсация занятий спортом
— корпоративные активности и мероприятия
— работа в офисе в Караганде или удалённо по всему Казахстану
Задачи:
— развивать ML-решения для рекламной монетизации, персонализации и рекомендаций
— вести и менторить Data Science-команду
Требования:
— 5+ лет опыта в Data Science, желательно в consumer mobile-продуктах
— опыт advertising monetization, revenue optimization или advertising analytics
— опыт разработки recommendation, personalization или ranking systems
— сильные Python и SQL
— практический опыт с ML: classification, regression, ranking, forecasting, predictive modeling
— понимание A/B-тестирования, applied statistics и работы с большими behavioral datasets
— опыт технического лидерства или менторинга Data Scientists
Условия:
— гибридный формат работы (удаленка с обязательным посещением офиса время от времени)
— работа в международной mobile game development-компании
— кросс-функциональная работа с Product, Engineering, Analytics и Ad Monetization
— возможность формировать Data Science-направление, roadmap и технические стандарты команды
— прямое влияние на рекламную выручку, engagement, retention и LTV продукта
Задачи:
– Разработка и оптимизация ETL-процессов с использованием Python и SQL.
– Разработка и внедрение масштабируемых конвейеров обработки данных для обработки различных источников данных.
– Работа с реляционными базами данных (например, PostgreSQL, Oracle) для обеспечения эффективного хранения и извлечения данных.
– Оптимизация SQL-запросов и скриптов Python для повышения производительности и удобства сопровождения.
– Внедрение надежной обработки ошибок, ведение журналов и мониторинг для конвейеров обработки данных.
– Взаимодействие с межфункциональными командами для интеграции и управления источниками данных.
Требования:
– Более 5 лет опыта в области проектирования данных.
– Навыки работы с Python и SQL на экспертном уровне – умение писать эффективный, масштабируемый и поддерживаемый код.
– Обширный опыт в проектировании ETL-процессов и работе с большими массивами данных.
– Глубокое понимание оптимизации производительности баз данных и оптимизации запросов.
– Опыт работы с моделированием данных и проектированием схем.
– Знание решений для облачного хранения данных (Azure, AWS или GCP).
– Высокие навыки решения проблем и способность работать самостоятельно.
– Желательно: опыт работы с PySpark, оркестраторами и знание CI/CD для автоматизации процесса развертывания.
Условия:
– Полностью удаленная позиция с гибкими условиями работы.
Ищем сильного специалиста по табличным данным в команду, которая моделирует спрос и поведение розничного портфеля крупного Банка: оцениваем, как меняется спрос на продукт при изменении его параметров, и переводим это в решения по портфелю.
О нас:
Наш клиент — аутстафф-компания, подбирающая инженеров на длительные проекты. Сейчас ищем Data Scientist / AI Engineer.
Про проект:
Заказчик развивает ИИ-направление и выводит решения на базе LLM в промышленную эксплуатацию. Нужны специалисты, которые доводили AI-агентов до продакшена и понимают практические аспекты. Команда распределённая, работа полностью удалённая.
Кого ищем:
Data Scientist / AI Engineer с коммерческим опытом от 3 лет, реализовавший и выведший в продакшн решения на базе ИИ, включая AI-агентов на базе LLM. Уверенный в классическом ML, глубоком обучении и инфраструктуре.
Задачи:
— Разрабатывать и выводить в промышленную эксплуатацию решения на базе ИИ, включая AI-агентов на базе LLM.
— Проектировать архитектуру AI-агентов и подходы к их построению.
— Работать с Deep Learning в части NLP, включая архитектуру Transformer.
— Делать fine-tuning языковых моделей (GPT-like, BERT-like и др.).
— Разрабатывать интеграции с ИТ-системами.
— Работать с промышленным Kubernetes.
Требования:
— Коммерческий опыт работы от 3 лет.
— Опыт реализации и вывода в промышленную эксплуатацию решений на базе ИИ, включая AI-агентов на базе LLM, в роли Data Scientist / AI Engineer.
— Знание основ классического машинного обучения.
— Хорошее знание Deep Learning (NLP).
— Глубокое понимание архитектуры Transformer.
— Глубокое понимание подходов и методов проектирования AI-агентов.
— Практический опыт fine-tuning языковых моделей (GPT-like, BERT-like и др.).
— Уверенная работа со стеком Python — Torch, Transformers.
— Опыт разработки интеграций с ИТ-системами.
— Опыт промышленной работы с Kubernetes.
Обязательные технологии и инструменты: Python, Torch, Transformers, Kubernetes.
Отбор:
Техническое собеседование по каждому пункту требований.
Условия:
— Полная удалёнка.
— Зарплата от 200 000 до 230 000 ₽ на руки.
— Выплата раз в месяц.
— Оформление по ИП, налоги покрывают.
Как откликнуться:
В отклике кратко рассказать о своём опыте с LLM и AI-агентами, роли, стеке, кейсах с fine-tuning и промышленным Kubernetes.
Требования к кандидату:
- 6+ years commercial Data Engineering
- Enterprise-scale data pipelines & platforms
- Microsoft Azure data services
- Azure Databricks + Apache Spark
- Azure Data Factory
- Microsoft Fabric + modern cloud analytics
- Azure Data Lake (ADLS) or equivalent
- Strong SQL + ETL/ELT
- Medallion architecture + reusable frameworks
- CI/CD & DevOps (Azure DevOps preferred)
Banco Plata, a technology-driven platform utilizing AI to transform financial services in Mexico, is seeking a Risk Data Scientist at the Middle+ level. The role involves managing the entire machine learning model lifecycle, including development, deployment, and monitoring. Candidates should have over three years of practical experience in Data Science, preferably within banking or financial sectors. A solid understanding of machine learning algorithms and feature engineering is essential. Proficiency in Python, SQL, Airflow, Git, and BI tools such as Streamlit is required. Educational background should be in Mathematics, Physics, Computer Science, or related STEM fields. Effective communication skills in English at a B1 level or higher are necessary. The position is based in Colombia, with relocation assistance provided.
Команда SberNBA занимается тремя большими направлениями: платформа коммуникаций и персональных предложений Сбера, поведенческая foundation model человека, бизнес направление коммуникаций от потребности клиента. Цель команды – сделать управление коммуникациями проще и эффективнее за счет гибкости платформенных инструментов и GenAI, моделировать поведение человека на краткосрочном и долгосрочном горизонте и использовать эти данные в бизнес-процессах банка, помогать человеку закрывать потребности быстрее и проще.
Обязанности:
— развивать команду и компетенции трайба на уровне DS экспертизы;
— строить, развивать и реализовывать стратегию развития трайба в части ML/AI;
— участвовать в создании кампейн платформы нового поколения, основанного на агентах;
— развивать системы генерации персонализированного контента;
— развивать Foundation Model (трансформерная модель понимания клиента на основе его действий в банке и экосистеме Сбера) и рекомендательные модели.
Требования:
— 10+ лет в DS / 5+ лет в промышленных RecSys в крупных компаниях;
— интеграция LLM в RecSys (RAG / генерация текста офферов);
— опыт управления командой 10+ DS и развития ML экспертизы на уровне подразделения;
— успешный опыт реализации сложных и масштабных ML проектов с доказанным бизнес-эффектом;
— хорошие коммуникативные навыки, готовность договариваться и находить оптимальные решения;
— стратегическое мышление;
— амбициозность и ориентация на бизнес-результат.
Условия:
— комфортный современный офис рядом с м. Кутузовская;
— ежегодный пересмотр зарплаты и 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;
— 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:
— глубокий анализ данных для построения и калибровки моделей
— опыт построения uplift-моделей и кривых отклика для оптимизации процентных ставок
— разработка моделей оценки эластичности спроса на кредит по ставке
— разработка, обучение и валидация продвинутых ML-моделей для индивидуального ценообразования (регрессионные модели, градиентный бустинг, методы обучения с подкреплением / Reinforcement Learning для динамического ценообразования)
— анализ и интерпретация результатов A/B-тестов ценовых стратегий, оценка их бизнес-эффекта (влияние на выручку, маржу, конверсию, LTV)
— построение и оптимизация симуляционных сред для предварительной оценки эффекта ценовых изменений.
Требования:
— глубокое знание и практический опыт (от 3 лет) применения методов машинного обучения и анализа данных для решения бизнес-задач, желательно в области ценообразования, экономики или финтеха
— продвинутый уровень знаний в области статистики, эконометрики и методологии проведения A/B-тестов
— понимание принципов микроэкономики и теории цен
— опыт разработки и внедрения в production моделей, напрямую влияющих на финансовые метрики (выручка, маржа)
— продвинутые знания SQL и Python для анализа данных и ML
— опыт работы с Python ML-фреймворками (Scikit-Learn, LightGBM/CatBoost/XGBoost, PyTorch/TensorFlow, библиотеки для RL), Spark (PySpark), опыт работы с базами данных (GreenPlum, PostgreSQL, ClickHouse).
Будет плюсом:
— опыт построения систем динамического ценообразования (dynamic pricing) или моделей на основе обучения с подкреплением (Reinforcement Learning)
— опыт работы в ритейле, финтехе, marketplace-сегменте или сфере услуг с высокой конкуренцией
— умение переводить бизнес-задачи на язык данных и обратно
— знание основ юнит-экономики и финансового моделирования
— опыт разработки или интеграции решений с применением GenAI.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— офисный 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.
ГибридjuniorМосква
Зарплата не указана
Все вакансии в одном месте — страница 8 · Job Hunters