Вакансии

Задачи: — Разработка и внедрение ML-моделей в продакшен — Решение задач извлечения сущностей (NER), обучение NER-модели для выявления ПДн в произвольном тексте — Построение пайплайнов обработки неструктурированных данных — Работа со смешанными данными в одной колонке, распознавание новых типов данных — Интерпретация результатов, подбор гиперпараметров, оценка рисков переобучения Требования: — Опыт работы в роли ML-инженера / Data Scientist — Опыт лидерской роли — Знание Python, pandas, numpy, scikit-learn — Опыт работы с NLP-инструментами: SpaCy, Hugging Face Transformers и/или аналогами — Понимание и опыт применения деревьев решений и ансамблей, Random Forest — Навыки контейнеризации (Docker) — Опыт развертывания моделей через API (FastAPI/Flask) — Опыт версионирования моделей и данных (MLflow/DVC) — Понимание CI/CD-процессов Условия: — Формат сотрудничества: ИП — Занятость: контракт — Проект долгосрочный

— Строить Python/SQL-пайплайны загрузки данных из файлов, API и информационных систем: парсинг сложных и вложенных XML/JSON, нормализация, загрузка в хранилище. — Разворачивать, настраивать и поддерживать инструменты обработки данных: оркестрацию, хранилище, S3.

- Развивать направление Data Science в маркетинге. - Строить и улучшать предиктивные модели вероятности платежа.

Location: London Qube Research & Technologies (QRT) is a global quantitative and systematic investment manager, operating in all liquid asset classes across the world. We are a technology and data driven group implementing a scientific approach to investing. Combining data, research, technology, and trading expertise has shaped our collaborative mindset, which enables us to solve the most complex challenges. QRT’s culture of innovation continuously drives our ambition to deliver high quality returns for our investors. You will work within a quantitative development function supporting research and trading activities across Commodities, including Agriculture, Metals and Energy. The role focuses on developing Python applications, quantitative tools and data infrastructure that support trading decisions, research and risk management. You will collaborate closely with Quantitative Researchers, Traders, Data Engineers and infrastructure specialists to deliver solutions across alternative data, pricing, backtesting and statistical modelling. Your future role within QRT Design, develop and deploy quantitative tools supporting trading and research, including pricing, backtesting, risk analysis and PnL reporting Build Python applications and data pipelines to explore, integrate and analyse alternative datasets, including weather and cargo data Collaborate with Quantitative Researchers and Traders to translate trading ideas and business requirements into production applications and quantitative models Architect, develop and maintain cloud applications in collaboration with infrastructure engineers, using AWS and related technologies Develop and apply statistical and machine learning models to support research and trading across Agriculture, Metals and Energy Implement quantitative optimisation methods and automate research and trading workflows Monitor, troubleshoot and enhance existing trading and research infrastructure to ensure reliability and performance Your present skillset Minimum 2 years of professional software development experience, with strong Python programming skills or proficiency in another object oriented language Strong understanding of software design principles and experience developing maintainable applications Proficiency with Python numerical and data analysis libraries such as NumPy, Pandas, Polars and Matplotlib Solid SQL skills and experience working with relational databases Experience developing data processing pipelines, ideally using orchestration frameworks such as Airflow Familiarity with AWS or similar cloud platforms and infrastructure as code practices Good understanding of software development practices, including Git, unit testing, packaging and scripting Experience using AI development tools to support coding, debugging and software delivery Strong quantitative and analytical skills, with an interest in financial markets and trading Ability to work autonomously, manage priorities and collaborate effectively with Researchers, Traders and Engineers Previous experience developing quantitative tools or models within Commodities trading is beneficial Experience building dashboards and data visualisation applications using Plotly, Streamlit, Dash or htmx is advantageous Advanced AWS experience, including services such as DynamoDB, RDS, S3, Lambda and AWS CDK, is beneficial Familiarity with Snowflake or similar data platforms is advantageous Experience with parallel or distributed computing frameworks such as Slurm and Ray is beneficial Experience developing statistical or machine learning models is advantageous Previous experience mentoring junior developers or interns is beneficial QRT is an equal opportunity employer. We welcome diversity as essential to our success. QRT empowers employees to work openly and respectfully to achieve collective success. In addition to professional achievement, we are offering initiatives and programs to enable employees achieve a healthy work-life balance.

• сбор и формализация бизнес-требований от заказчиков и пользователей.

Коммерческий опыт Python от 2 лет (async/await, ООП, typing). FastAPI, REST API, PostgreSQL, продвинутый SQL.

Предстоит исследовать LLM и RAG, работать с неструктурированными данными, готовить датасеты и обучать chat- и embedding-модели. Среди задач также AI-инструменты и агенты для корпоративных продуктов.

Location: Philippines Salmon is a technology-driven financial company building a banking and lending platform across Southeast Asia, starting in the Philippines. We combine global fintech expertise with deep local market knowledge to make financial services simple, accessible, and useful for millions of people across the region. 7M+ app downloads. 2M+ monthly active users. 7,000+ partner stores. US$310M+ raised from leading global investors. Manila-based, globally distributed, and hybrid-first — our team spans 45+ countries. If you want to solve complex problems at scale and impact how millions of people access and manage money, come build with us. Southeast Asia's fintech moment starts here. About the role: You'll own the NPV and unit economics model behind Salmon's credit card business — the core logic behind how we price, size, and monitor profitability across the portfolio.   What you'll do: - Work directly with the Head of Economics to turn model logic into production-ready Python/SQL code - Build and maintain the datasets that feed the model — cohorts, cashflows, losses, funding, fees, revenue — with help from other analysts - Automate scenario and sensitivity runs so pricing, limit, and product decisions are backed by real numbers What you'll own: - Own the end-to-end NPV / unit economics model for credit cards — clean, testable, versioned logic - Validate model outputs against actual portfolio performance and investigate gaps when they don't match - Translate model logic into clear, implementation-ready specs when other teams need to build on it - Step outside your immediate scope when the work calls for it — we value ownership over rigid roles What makes you a strong fit: - 2–3+ years of hands-on experience in data analytics - Strong Python (pandas) and SQL — for data exploration and for implementing analytics logic in production - Solid understanding of unit economics / financial modeling — cashflows, NPV, cohorts — through direct modeling experience or hands-on work with such models - High attention to detail — small errors break economics in production What we offer: Ownership and flexibility - Stock option plan — four-year vesting with a 25% cliff after the first year - Hybrid-first work environment - Company-provided tools and equipment - Office in Bonifacio Global City, Manila — a modern, walkable district at the centre of the Philippines' growing tech scene Health and time off - Medical insurance support for you and your family through co-funding or reimbursement, depending on your location and subject to policy limits - Access to an internal mental health support specialist - 22 vacation days, Philippine public holidays, and 15 sick days - 105 days of paid maternity leave and up to 14 days of paid paternity leave for employees relocating to Manila Relocation and family support - Relocation support for you and your family — including flights, two weeks of accommodation, visas, paperwork, and logistics - Reimbursement of eligible pet relocation expenses - USD 2,500 per year for flights home - Baby and family stipends for employees relocating to Manila: USD 1,000/month per child under two, USD 500/month per child aged two to 18 Growth and team experience - Opportunities to learn and share your expertise through internal expert meetups, external conferences, speaking opportunities, and industry publications - Company-sponsored trips to Manila to meet and work with your team in person - Regular team offsites, sports activities, and team events - High-performing teams can earn a dedicated beach house week in Southeast Asia We believe strong teams are built by people with different backgrounds, experiences, and points of view. Salmon is an equal opportunity employer, and we make hiring decisions based on skills, experience, and potential.

We are looking for a Senior Machine Learning Engineer to develop, deploy, and maintain machine learning and AI solutions for advanced financial data processing and reconciliation platforms. You will work with large and complex financial transaction datasets to build solutions for transaction matching, reconciliation, and exception handling.

Location: Москва Мы ищем аналитика данных уровня Senior+ для исследования корпоративного кредитного портфеля. Наша команда обеспечивает подразделения корпоративного андеррайтинга качественной отчетностью, направленной на повышение эффективности их работы. Вы будете заниматься анализом данных, оценкой качества портфеля, поиском аномалий (выбросов) и разработкой внутренних методик расчета ключевых показателей. Обязанности * оценка и анализ динамики ключевых метрик качества корпоративного кредитного портфеля. * знание и применение внутренних методик расчета ключевых метрик качества корпоративного кредитного портфеля. * формирование выводов по результатам обработки данных и построение гипотез на их основании. * разработка дашбордов и визуализация данных в понятные интерактивные отчеты и презентации. * работа с большими объемами данных: поиск, выгрузка из различных источников (включая Hadoop, ClickHouse) и проверка их качества. * формирование нестандартной (ad-hoc) отчетности по запросам бизнеса. * создание прототипов витрин данных для формирования отчетности в промышленном контуре. * планирование, управление приоритетами и контроль исполнения задач. Требования * опыт работы в сфере анализа данных от 5 лет в банковской сфере * опыт анализа корпоративного кредитного портфеля * **SQL:** уверенное владение (простые запросы, Join\`ы, агрегаты, группировки, оконные функции, вложенные запросы) * **Python:** уверенное владение стандартными структурами данных (dict, list, set, модуль collections), библиотеками pandas и numpy, знание основных библиотек для анализа данных * умение презентовать результаты своей работы и защищать выводы перед заказчиками * опыт разработки дашбордов и визуализации данных * опыт работы с Hadoop, ClickHouse * опыт разработки внутренних методик расчета KPI. Условия * комфортный современный офис рядом с м. Волгоградский проспект * офисный формат работы * ежегодный пересмотр зарплаты и годовая премия * корпоративный спортзал и зоны отдыха * уникальная система обучения Сбера для профессионального и карьерного развития * расширенный ДМС и льготное страхование для семьи * 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 * корпоративная пенсионная программа.

-Сбор данных, систематизация и подготовка отчетов и полное ведение отчетов для внутренних и внешних заказчиков агентства. -Автоматизация рутинных задач, отчетов.

KPK is looking for a Quantitative Research Graduate to build risk simulations, analyse onchain data, and model portfolio risk and AMM vault strategies.

Location: Екатеринбург Команда Центра компетенций "Аналитика по расходам" в поисках аналитика по тарифным моделям и операционным расходам Банка на временное сотрудничество. Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram/Max. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным! Обязанности ### Задачи * расчёт операционных расходов Банка с использованием автоматизированных систем — формирование плановых, прогнозных и фактических значений в соответствии с учётной политикой, проведение контрольных процедур * анализ отклонений, интерпретация результатов, оценка прогнозов для руководства и смежных подразделений, план-фактный анализ, формулирование рекомендаций для управленческих решений * взаимодействие со смежными подразделениями — сбор пояснений от поставщиков данных, согласование результатов расчёта с профильными подразделениями, решение технических проблем со службой поддержки * взаимодействие с внутренними пользователями отчетности * подготовка аналитических материалов для внутреннего использования руководством банка * постоянное изучение новых методов и подходов для повышения точности расчета и анализа * поиск и анализ данных из разных источников, преобразование данных: написание скриптов (SQL/Python) для обработки данных. Требования ### Требования * высшее образование в области экономики, финансов, физико-математические факультеты, computer science * понимание методологии сбора операционных расходов, структуры финансовой отчетности будет вашим преимуществом * свободное владение Excel (продвинутые формулы, сводные таблицы) * умение быстро погружаться в сложные банковские процессы и видеть за цифрами логику * умение погружаться в большой объем информации, самостоятельно изучать работу автоматизированных систем * умение ясно и структурированно доносить сложную информацию до различной аудитории, включая технических специалистов * навыки работы с генеративными AI-моделями * знание SQL: базовые запросы к базе данных, опыт работы с оконными функциями * знание Python: минимальный набор библиотек: Pandas, numpy. Условия ### Мы предлагаем * официальное оформление с первого дня на срочный трудовой договор * комфортный офис в центре города на Горького, 67 (ст.м. Геологическая) * пятидневную рабочую неделю с 9:00-18:00, а в пятницу у нас сокращенный рабочий день до 16:45 * стабильный ежемесячный доход и годовое премирование. Пересмотр заработной платы происходит каждый год * льготные условия кредитования * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * расширенный ДМС с первого дня и льготное страхование для близких * подписку Прайм с возможностью совместного использования на трёх близких * корпоративную пенсионную программу * обучение за счет компании: онлайн курсы в Виртуальной школе Сбера, возможность получить новую квалификацию * корпоративный спортзал и скидки в спортзалы-партнеры * профессиональные сообщества, а также участие в различных волонтерских проектах, КВН, Сбербанкиаде, музыкальных группах и многих других.

Location: Москва Мы строим мультиагентную систему для раннего выявления рисков в сегменте микро- и малого бизнеса - систему, где AI-агенты анализируют данные, находят сигналы ухудшения и помогают бизнесу принимать решения в режиме, близком к реальному времени. Это не просто аналитика и не просто ML - это новая архитектура работы с рисками: от данных к автономным интерпретациям и рекомендациям. Мы ищем дата-аналитика, который хочет работать на переднем крае: разрабатывать и обучать AI-агентов, собирать сложные пайплайны данных и участвовать в создании системы, которая масштабируется на весь портфель. В чем будет заключаться ваша магия: на вашей стороне превращение бизнес-задачи в проверенный прототип агента и готовую к разработке спецификацию. Вы собираете экспертизу, выстраиваете методологию, находите данные и описываете, что агент получает на вход и что отдаёт на выход. Код агента пишет разработчик, данные подводят дата-инженеры — вы отвечаете за то, чтобы агент делал правильную вещь на правильных данных. Обязанности * постановка задачи на агента: цель, бизнес-заказчик, потребители результата, критерии успеха * организация работы с экспертами (напр. кредитные риски, андеррайтинг, мониторинг, работа с проблемной задолженностью): интервью, воркшопы, формализация экспертной логики принятия решений * анализ внутрибанковских процессов, с которыми связан агент и точек использования его результата * разработка методологии агента: признаки, правила, пороги, зависимости; разделение логики на детерминированную (расчёты и правила) и недетерминированную (интерпретация и выводы LLM) * поиск и верификация источников данных: витрины, таблицы, поля, глубина истории, частота обновления, качество; маппинг до уровня конкретного атрибута * прототипирование агента: сборка рабочего прототипа (Python, Jupyter, вызовы LLM) на выбранных данных и методологии * тестирование прототипа на лаб-контуре: проверка корректности и полноты выбранных данных, проверка того, что результат агента устраивает экспертов и отвечает запланированным целям; доработка методологии по итогам * описание контракта агента: состав и формат входа и выхода, место агента в мультиагентной системе и взаимодействие с другими агентами * подготовка эталонных кейсов клиентов с ожидаемым результатом для тестирования и приёмки агента * передача разработчику и дата-инженерам спецификации вместе с проверенным прототипом, сопровождение разработки, приёмка результата вместе с экспертами * оценка качества работы агента после запуска, сбор обратной связи, доработка и версионирование методологии * ведение базы знаний по агентам: методологии, источники данных, результаты тестов прототипов, принятые решения. Требования * высшее образование в области математики, статистики, экономики, информационных технологий или смежных областях * опыт работы с различными LLM * опыт разработки агентов * 3+ года Python, опыт async-сервисов, знание современных библиотек Data Science (Pandas, Scikit-Learn, TensorFlow) * глубокое знание SQL и оптимизации запросов * опыт prompt-инжиниринга и настройки LLM-инференса * глубокое понимание принципов построения мультиагентных систем и опыта их практического внедрения * знание методик когортного анализа и умение строить прогнозы финансовых показателей портфелей малого и микробизнеса. Будет преимуществом: * опыт руководящей должности от двух лет в проектах, связанных с обработкой больших данных, построением аналитических моделей и управлением рисками * понимание специфики сектора малого и микробизнеса в российских условиях, особенностей финансового поведения данной категории заемщиков * наличие успешных кейсов разработки AI-продуктов и решений для кредитных организаций * опыт реализации крупных интеграционных проектов в финансовой сфере * навыки работы с зарубежными аналоговыми системами и технологиями в рамках международного сотрудничества и системами и технологиями в рамках международного сотрудничества. Условия * комфортный современный офис рядом с м. Кутузовская * ежегодный пересмотр зарплаты и годовая премия * корпоративный спортзал и зоны отдыха * уникальная система обучения Сбера для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * подписка Прайм с возможностью совместного использования на трёх близких * скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Ищем Data Scientist в команду развития ML-моделей крупного банка. Разработка и внедрение ML-моделей для прогнозирования клиентского поведения, склонности к банковским продуктам и других характеристик клиентов.

-Проводить исследовательский анализ данных блокчейн сети, включая транзакции, смарт-контракты и адреса. -Идентифицировать аномалии и анализировать их причины.

Location: Москва Workplace: Комбинированный Почта Mail — крупнейший и самый популярный почтовый сервис в русскоязычном сегменте. Ежемесячная аудитория — около 50 миллионов пользователей. Продукт входит в пятёрку мировых сервисов по дневной аудитории и лидирует по установкам на смартфоны в России. Это не просто почта, это целый сервис для повышения продуктивности. Здесь можно хранить файлы, пользоваться редактором документов, использовать нейросетевые возможности в заметках, назначать встречи, планировать дела, использовать списки шаблонов для планирования и многое другое. Задачи Исследование рынков: мониторинг конкурентов, M&A, раундов, трендов; оценка TAM/SAM/SOM; подготовка дайджестов и глубоких исследований Финансовое моделирование: построение и поддержка моделей (юнит-экономика, LTV/CAC, сценарии подписки), сайзинг инициатив, прогнозы с учётом сезонности, проверка чувствительности Оценка бизнес-инициатив: формализация гипотез в метрики, приоритизация и сравнение инициатив, подготовка материалов для инвесткомитетов и продуктовых ревью Поддержка управленческих решений: подготовка презентаций и 1-pager, участие в стратегических сессиях, трекинг целей, расчёт квартальных метрик, ad hoc ответы руководству Требования Высшее образование (экономика, финансы, математика, менеджмент) — выпускник или студент последнего курса Уверенный Excel или Google Sheets (сводные, сложные формулы, построение моделей) Понимание выручки, маржинальности, юнит-экономики, LTV, CAC, churn Аналитическое мышление: декомпозиция, проверка гипотез, различение фактов и допущений Умение быстро находить данные и оценивать источники Грамотная письменная речь для структурированных выводов Английский — свободное чтение отчётов и профильных медиа Будет плюсом Стажировки в консалтинге, инвестициях, стратегии или продукт-аналитике Знание продуктовых метрик (MAU/DAU, retention, воронки) и логики подписочных бизнесов Базовые знания SQL или Python (pandas) Личный интерес к рынку productivity-инструментов Опыт подготовки презентаций

Location: Москва Workplace: Комбинированный Группа аналитики продукта Почта Mail занимается продуктовой аналитикой одного из крупнейших почтовых сервисов страны. Мы исследуем поведение миллионов пользователей, анализируем воронки активации и онбординга, работаем с удержанием и вовлечённостью и ищем точки роста ключевых продуктовых метрик. Задачи Постановка задач, распределение нагрузки, код-ревью и ревью исследований, развитие сотрудников и выстраивание процессов. При этом руководитель остаётся hands-on и берёт на себя сложные аналитические задачи Исследование пользовательского поведения, анализ воронок активации и онбординга, удержания и вовлечённости, поиск точек роста ключевых продуктовых метрик Построение и анализ воронок от первого касания с продуктом до регулярного использования и монетизации. Выявление узких мест, генерация и приоритизация гипотез совместно с продакт-менеджерами Оценка продуктовых гипотез, контроль методологии и валидация результатов. Работа с экспериментами в UX, новыми фичами и монетизацией Разработка дашбордов для продуктовых команд, когортный анализ, драйверные декомпозиции, моделирование LTV и прогнозирование оттока Автоматизация рутинных задач, внедрение best practices в исследованиях, повышение скорости и качества аналитической поддержки продуктовых команд Требования Опыт руководства командой аналитиков от 2 человек: постановка задач, развитие сотрудников, выстраивание процессов и готовность сохранять hands-on подход Уверенное владение SQL и опыт работы с большими объёмами данных. Большим плюсом будет опыт с YTSaurus (YQL) и ClickHouse Практический опыт проведения A/B-тестов: статистические критерии, расчёт размера выборки, ошибки первого и второго рода, применение теории вероятностей Умение интерпретировать результаты экспериментов и объяснять продакту, почему изменение метрики на 0,3% ещё не означает успех Свободное владение продуктовыми метриками: DAU/MAU, Retention, Activation Rate, Feature Adoption, Conversion Rate, LTV, ARPU, Churn. Умение использовать их для аналитических выводов Python для анализа данных: Pandas, NumPy, Matplotlib, Plotly, Seaborn Опыт построения дашбордов и визуализации в BI-инструментах. DataLens и Superset — в приоритете, также подойдут аналоги Понимание принципов атрибуции и сквозной аналитики для связи продуктовых изменений с бизнес-результатами Будет плюсом Опыт работы в почтовых сервисах, мессенджерах или других продуктах с высокой DAU Знакомство с ML-подходами в аналитике: прогнозирование оттока, кластеризация пользователей Опыт выстраивания аналитических процессов или масштабирования команды Опыт внедрения ИИ в процессы команд Мы предлагаем Работу над сложными продуктовыми задачами и возможность влиять на развитие Почты Mail, которой пользуются миллионы людей Возможность совмещать управление командой с решением сложных аналитических задач. Ты сможешь развивать сотрудников, выстраивать процессы и при этом продолжать работать с данными самостоятельно Свободу в выборе методов исследований и возможность внедрять новые подходы, повышать качество аналитики и развивать инструменты команды Тесное взаимодействие с продакт-менеджерами, UX-дизайнерами, аналитиками и разработчиками. Вместе вы будете искать точки роста продукта и принимать решения на основе данных Гибридный формат работы: офис рядом со ст. м. «Сокол», БЦ «Алкон» Официальное оформление по ТК РФ с первого дня Программу ДМС для сотрудников и их детей с первого месяца работы Компенсацию питания Систему гибких льгот с 14 категориями на выбор И многое другое, о чём мы расскажем на собеседовании :)