Задачи:
— Разработка надёжных ETL/ELT-процессов.
— Поддержка моделей данных для аналитики и отчётности.
— Контроль качества и своевременности поставки данных.
Требования:
— Опыт работы в data engineering от 4 лет.
— Знание и практическое применение Python, SQL, Airflow и хранилищ данных.
— Умение самостоятельно разбирать задачи, согласовывать решения и ясно объяснять результаты работы.
— Оптимизация SQL.
— Будет плюсом опыт работы со стриминговыми данными.
Условия:
— Гибкий формат работы из офиса.
— Медицинская страховка с первого дня.
— Бюджет на обучение: языковые курсы, тренинги, сертификации.
— Компенсация расходов на спорт и ментальное здоровье.
— 20 рабочих дней отпуска и оплачиваемые больничные.
Задачи:
— Собирать и анализировать требования от заказчиков, выяснять цели, определять состав функциональности, источники данных и другие детали.
— Формализовать требования, готовить детальные технические задания с критериями приёмки.
— Создавать макеты и прототипы интерфейсов дашбордов.
— Взаимодействовать с командой разработки: ставить задачи разработчикам, контролировать сроки и качество выполнения.
— Тестировать реализованные решения, проверять соответствие функционала утверждённым требованиям.
— Взаимодействовать с бизнес-заказчиками и аналитическими командами.
— Анализировать и формализовать требования (BRD, CR).
— Прорабатывать логику и оценивать влияние изменений на DWH.
— Писать SQL для прототипирования и проверки гипотез.
— Подготавливать технические задания (FSD) для разработки.
— Ставить задачи команде разработки.
— Тестировать и валидировать данные (Data Quality, регресс).
— Сопровождать релизы и контролировать вывод в прод.
Требования:
— Высшее образование (техническое, либо в области математики, экономики, финансов).
— Навык работы с BI-инструментами (Power BI, Tableau, DataLens, Qlik Sense, Modus BI, Visiology Polymatica и др.), знание SQL и Python будет плюсом.
— Продвинутый уровень SQL (сложные JOIN, оконные функции, оптимизация).
— Опыт работы с DWH (витрины, модели данных, ETL/ELT).
— Понимание архитектуры хранилищ данных.
— Опыт работы с требованиями (сбор, формализация, написание ТЗ).
— Опыт тестирования данных и проверки корректности.
— Стек: Oracle Exadata (Sandbox, DWH), Informatica, целевой стек - S3, Airflow, Spark.
— Будет плюсом опыт в банковской или финтех-сфере.
— Опыт работы с Airflow, Hadoop, S3, ClickHouse.
— Опыт работы с Git.
— Понимание Agile (Scrum/Kanban).
Условия:
— Работа в ТОП-5 золотодобывающих компаниях России в стадии роста и трансформации.
— Работа в управляющей компании с более чем 10 операционными активами и большим портфелем проектов развития.
— Команда лидеров отрасли с лучшими производственными и управленческими практиками.
— Инновационный подход и использование самых продвинутых технологий.
— Возможность реализовать свой потенциал и построить карьеру.
— Профессиональное обучение и развитие.
— Пакет страхования: ДМС, страхование жизни и выезда за рубеж, онкострахование.
— Программа "Кафетерий льгот": 11000 руб/мес на одну из категорий: питание, транспорт, спорт, ДМС для родственника.
— 100% доплата до оклада в отпуске и командировках, а во время больничного до 10 дней в год.
— Доступ к специальным предложениям от партнеров и эксклюзивным скидкам.
— Офис в Москва-Сити.
Задачи:
— Анализировать алгоритмы управления товарной матрицей и запасами, а также алгоритмы прогнозирования, взаимодействовать с 1С-разработкой и документацией.
— Формировать метрики эффективности инструментов, включая обновляемые дашборды и ad hoc отчёты.
— Предлагать пути улучшения инструментов, проектировать прогнозные модели на реальных данных, обосновывать их применимость с помощью метрик точности моделей.
— Совместно с продакт-менеджером внедрять модели в продакшен и отслеживать эффективность изменений.
— Повышать эффективность предложения товара, обеспечивая его наличие в нужном месте, в нужное время и в нужном количестве.
— Определять и планировать предложение товара на распределённой территории, соответствующее спросу.
— Оценивать и оптимизировать существующие инструменты управления и планирования ассортимента и запасов на основе прозрачных метрик.
Требования:
— Умение выявлять факторы влияния на эффективность процессов и проводить факторный анализ.
— Опыт регрессионного анализа.
— Опыт сегментации и кластеризации.
— Опыт прогнозного моделирования с разным периодом отложенного влияния факторов.
— Опыт анализа временных рядов с анализом остатков.
— Опыт работы с метриками точности моделей, casual impact, статистическим анализом A/B тестов.
— Сильные знания в математической статистике, включая A/B тесты.
— Базовые знания в экономике.
— Опыт работы с базами данных и ETL.
— Умение определять и декомпозировать метрики эффективности применительно к исследуемым объектам, инструментам и процессам.
Условия:
— Работа в крупной и устойчивой компании с белой зарплатой и премиями, понятными процессами и сильным управленческим контуром.
— Масштабные продукты с прямым влиянием на продажи, клиентский опыт и эффективность бизнеса, большая B2B-площадка и широкий коммерческий контур.
— Использование собственных ИТ-систем, сильной внутренней архитектуры и зрелого ИТ-блока с масштабом данных.
— Гибкий формат работы с возможностью удалённой работы, гибким стартом дня и доверием к сотрудникам без микроменеджмента.
— Возможность влиять на продуктовые решения и расти внутри сильного ИТ-блока.
— Взрослая, партнёрская культура, ценящая самостоятельность, здравый смысл и ответственность за результат.
— Ценятся проактивность, самостоятельность, системность, ориентация на метрики, честность, ответственность и уважительная конструктивная коммуникация.
Location: Oakland, CA, United States
WeVote Political Data Intern (Volunteer Position)
Location:
Remote within the US
About WeVote
WeVote is a nonpartisan get-out-the-vote nonprofit startup and a celebrated Fast Forward nonprofit technology grantee. WeVote is a movement of over 180 passionate volunteers (starting with the founders) who are building open-source mobile technologies that touch and mobilize millions of voters on Election Day. We observe that many voters are busy, distracted, and impatient. We have a goal of providing a complete voting experience in 8 minutes, including the download of our app ("WeVote Ballot Guide, @WeVote"). More information is at
WeVote.US
. See Twitter @WeVote. We are a 100% volunteer and remote organization.
A bit more about the Spring 2026/27 Intern Cohort
We have a strong history of Internship cohorts (200+ interns over the past four years). We have built 8 teams of Interns, led by experienced professionals who have a strong connection to academia and our mission. Our interns learn about the current landscape of candidates running for office, politicians in office, and endorsers who support these candidates. Beyond political research, we are always looking to offer ways you can build your professional skills, and grow as a person in a way that leads to your future success.
What You’ll Do
Research and update political candidate information for several U.S. states (you get to choose regions you want to learn about from the whole country)
Track candidate declarations and ballot measures
Collect voter guides and endorsements from a range of organizations
Manage and input data into our open-source platforms
Spot-check political data nationwide and research reported issues
Support marketing with relevant political data insights
Requirements
Interest in civic engagement, elections, or U.S. politics
Detail-oriented, inquisitive, and proactive learner
Willingness to collaborate remotely with a diverse volunteer team
SPRING INTERNS: Commitment of 8 hours/week for 10-12 weeks during Spring (incl. 1 hour team meeting M–F, 8am–5pm PT)
Alignment with WeVote’s nonpartisan mission & values (shared in process)
Access to device/internet; we’re open to discussing access needs
Be located in the US during the academic term
What You’ll Gain
Resume-worthy experience in political data, civic tech, and nonprofit work
Growing network of civically engaged peers and mentors
Personalized letter of recommendation after successful completion
Direct impact on equitable voter access and information
Our Commitment to Inclusion & Accessibility
WeVote is fully volunteer-driven, and we are proud of our grassroots model. We welcome volunteers of all races, ethnicities, genders, sexual orientations, abilities, ages, income levels, and political perspectives—everyone committed to fair, accessible elections. Whether you’re new or bring years of experience, there’s a place for you. We know that unpaid roles present barriers. We offer flexible hours and encourage open discussion of needed accommodations for technology, time, or work style.
How to Apply
Send your resume and a brief note or cover letter describing:
Why you’re interested in WeVote and our mission and how being an intern will help you on your career path
A bit about yourself, your background or interests
Any questions you have for us
* Fraud and phishing warning *
Please apply directly via our volunteering portal/ATS at https://wevote.applytojob.com/apply. Do not apply via any other job portals, aggregators, or sites, as your information may not be secure, or the role may no longer be accepting applications. Thank you
This position will own the data pipelines, transformations, and reporting processes that support accurate, complete, and timely furnishing of customer account information to credit bureaus. Own recurring credit bureau furnishing operations, including data preparation, validation, submissions, bureau feedback, exception resolution, and reconciliation.
Превращать телеметрию автономного транспорта в данные, удобные для анализа: разрабатывать и запускать Spark-пайплайны, продумывать преобразования и проверки качества. Подключать новые источники данных: разрабатывать интеграции с различными системами и обеспечивать надёжную загрузку данных в хранилище.
* Build and operate batch and incremental ingestion pipelines in Google Cloud to Smartly Data Platform. * Develop Airflow workflows using Python with best orchestration practices, including dag dependencies, retries, backfills, alerting, and recovery.
Location: Intellias
Meet your recruiter
Gerasim Naydenov
gerasim.naydenov@intellias.com
https://www.linkedin.com...
Vacancy details
Data Engineering
Data Engineer
Principal
Bulgaria, Colombia, Croatia, Poland, Portugal, Spain, Ukraine, United States
Remote
APPLY NOW
REFER A FRIEND
Intellias is looking for a
Lead Healthcare Data Engineer
to join a large-scale digital healthcare initiative focused on building a FHIR-based health data platform and transforming fragmented healthcare data into clean, standardized, and trustworthy information.
The role requires both
deep hands-on engineering expertise and broad technical influence
— establishing reusable frameworks and standards, mentoring experienced engineers, and raising the engineering bar across the team.
What project we have for you
We’re helping a US digital-health platform get its patients’ medical data in order: lab results, diagnoses, medications, visits and more. The data comes from many different clinics and labs, each with its own format, so right now it’s pretty messy. Our job is to clean up and standardize that data close to the source, bring scattered logic into one place, and see the real data quality every day instead of guessing. Data engineers will work mostly in Databricks/Spark, building pipelines, reference data and quality checks together with the dev team and clinical experts.
What you will do
Set the
technical direction for healthcare data engineering
across ingestion, transformation, validation, normalization, and delivery.
Own the end-to-end architecture of
large-scale distributed data pipelines
transforming heterogeneous source data into clean, standards-conformant FHIR.
Design and evolve scalable solutions using
Python, Spark/PySpark, Databricks/Delta Lake
, and modern data-processing technologies.
Diagnose and eliminate complex performance and scalability bottlenecks across distributed data workloads.
Establish standards and reusable frameworks for
data quality, deduplication, patient/record linking, terminology normalization, and reliable idempotent processing
.
Define architectural patterns for FHIR transformation, validation, schema evolution, and production delivery.
Build and evolve automated testing and validation capabilities for
data quality and FHIR conformance
.
Establish engineering patterns and reusable tooling that allow the broader team to deliver new healthcare data capabilities faster and more consistently.
Champion
PHI-safe engineering practices
and ensure healthcare data solutions meet applicable security, privacy, and compliance requirements.
Make
AI-native engineering a practical part of the team’s development model
, using coding agents and reusable AI capabilities to automate repetitive work and accelerate complex engineering tasks.
Establish engineering guardrails for AI-assisted development, ensuring AI-generated solutions remain correct, tested, secure, observable, and PHI-safe.
Determine where deterministic processing provides better reliability than AI/LLM-based approaches and establish appropriate architectural patterns for both.
Mentor Senior and Middle engineers through design reviews, pairing, technical guidance, and knowledge sharing.
Drive complex, ambiguous engineering problems from initial investigation through architecture, implementation, and production operation.
Collaborate with engineering, product, security, data, and healthcare-domain stakeholders to translate complex interoperability requirements into scalable technical solutions.
Represent strong healthcare data engineering practices in relevant architecture, standards, and technical discussions.
What you need for this
8+ years of professional experience
in data engineering, healthcare data platforms, HealthTech, or healthcare interoperability.
Proven
Lead-level technical ownership
of complex production systems, including the ability to set technical direction and solve problems spanning multiple components and engineering teams.
Strong hands-on expertise in
Python
and production-grade data engineering.
Deep experience with
Apache Spark/PySpark at scale
, including partitioning, performance optimization, memory tuning, and distributed processing.
Experience with modern lakehouse technologies such as
Databricks and Delta Lake
, or comparable platforms.
Strong experience designing and operating large-scale
ETL/ELT pipelines
, including CDC, incremental/delta processing, idempotency, schema evolution, and batch/streaming workloads.
Proven experience diagnosing and eliminating complex
performance and scalability bottlenecks
in distributed data-processing systems.
Deep hands-on experience with
FHIR R4
, including resources, profiles, Bundles, validation, and large-scale healthcare data transformation.
Strong knowledge of
US Core, USCDI, HL7 v2.x
, and C-CDA-to-FHIR transformation patterns.
Strong understanding of healthcare terminology standards including
SNOMED CT, LOINC, and RxNorm
.
Experience working with clinical, claims, coverage, eligibility, or comparable healthcare data models.
Strong experience with
data quality, deduplication, record/patient linking, terminology normalization, and validation
.
Strong SQL skills and understanding of data modeling, schema evolution, data quality, and production data architecture.
Experience with
Git, CI/CD, automated testing, observability, and production operations
.
Strong understanding of healthcare security, privacy, and regulatory requirements, including
HIPAA
and PHI-safe engineering practices.
Proven ability to establish
reusable engineering frameworks, architectural patterns, standards, and data-quality practices
adopted by other engineers.
Demonstrated technical leadership through architecture/design reviews, mentoring, pairing, and cross-team engineering influence.
Practical experience using
AI coding agents such as Claude Code or comparable agentic engineering tools
as an integral part of the development lifecycle.
Strong engineering judgment around when to use
AI/LLM-based approaches versus deterministic rule-based solutions
, particularly where correctness, cost, performance, or PHI safety are critical.
Professional English sufficient for direct collaboration with U.S.-based technical and business stakeholders.
Nice to Have
Deep experience with
large-scale FHIR data modeling and healthcare interoperability platforms
.
Experience with
Master Patient Index (MPI), patient matching, identity resolution
, or large-scale record linkage.
Experience with payer data exchange, including
CARIN Blue Button
, Da Vinci implementation guides, or similar standards.
Experience working with pharmacy, laboratory, or other specialized healthcare datasets.
Knowledge of
ICD-10
, CPT, CVX
, and additional clinical terminology/code systems.
Experience with
21st Century Cures Act, ONC certification, CMS Interoperability Rule
, or related U.S. healthcare regulatory frameworks.
Experience building LLM/agent-based capabilities for
clinical data extraction, normalization, terminology mapping, or healthcare data quality
.
Experience designing reusable AI skills or agentic workflows adopted across engineering teams.
Contributions to open-source healthcare, FHIR/HL7 communities, or relevant industry working groups.
What it’s like to work at Intellias
At Intellias, where technology takes center stage, people always come before processes. By creating a comfortable atmosphere in our team, we empower individuals to unlock their true potential and achieve extraordinary results. That’s why we offer a range of benefits that support your well-being and charge your professional growth.
We are committed to fostering equity, diversity, and inclusion as an equal opportunity employer. All applicants will be considered for employment without discrimination based on race, color, religion, age, gender, nationality, disability, sexual orientation, gender identity or expression, veteran status, or any other characteristic protected by applicable law.
We welcome and celebrate the uniqueness of every individual. Join Intellias for a career where your perspectives and contributions are vital to our shared success.
Skills
Healthcare
Python
Spark
Роль включает в себя определение методов измерения, моделирование и экспериментов для повышения вовлеченности пользователей и улучшения контента. Глубокая экспертиза в как минимум одной соответствующей области, с широтой и любопытством к работе в соответствующих областях.
Команда Ads Data Science Reddit ищет высокомотивированного главного специалиста по данным, который будет вообще за стратегическое применение передовых финансовых методов на нашей рекламной платформе для улучшения интеллекта, поддерживающего опыт рекламодателей на Reddit. Определите будущее науки о данных рекламы:
Location: Москва, удалённая работа или гибрид, RU; Россия
О команде
Наша команда отвечает за опыт покупателей и продавцов при продаже и аренде грузовиков, спецтехники и другого транспорта. Мы улучшаем пользовательский опыт и много взаимодействуем с горизонтальными командами.
В этой роли вы будете работать вместе с продуктом и бизнесом над воронкой подачи объявлений, ценообразованием и инструментами для дилеров.
Какие задачи вас ждут:
исследовать воронку подачи объявлений: находить точки потерь, развивать метрики и отчётность, формулировать и проверять гипотезы по улучшению;
вместе с продуктом и бизнесом определять ценовую стратегию: оценивать варианты изменений, планировать и анализировать эксперименты;
развивать аналитику дилерских инструментов: измерять, как они помогают привлекать и удерживать покупателей, и находить возможности для улучшения;
применять LLM для извлечения признаков и обогащения аналитических данных.
Мы ждём, что вы:
самостоятельно формулируете вопросы к данным, проводите комплексные исследования и превращаете выводы в предложения для продукта и бизнеса;
умеете описывать работу продукта с помощью метрик и оценивать эффект изменений;
планируете и анализируете A/B-тесты, уверенно применяете статистику и понимаете ограничения выводов;
уверенно владеете SQL и имеете опыт создания витрин данных;
можете ясно объяснить результаты исследования коллегам из продукта и бизнеса.
Будет здорово, если вы:
имеете опыт использования AI-агентов в аналитических задачах.
Работа у нас — это:
чёткое понимание своего влияния на бизнес и продукт;
постоянный рост и развитие: живая матрица компетенций, внутреннее и внешнее обучение, программы наставничества, обмен опытом в профессиональных комьюнити;
широкий спектр рабочих инструментов: от надёжного и удобного хранилища данных до продвинутых внутренних продуктов;
возможность работать удалённо или из офиса рядом с метро «Белорусская»;
расширенная забота о здоровье: ДМС, страхование жизни, онкострахование;
сервис психологической поддержки, а также финансовые, юридические и ЗОЖ-консультации для вас и ваших близких;
корпоративный спорт: групповые тренировки, велбиинг-приложение;
спецпредложения от партнёров и скидки на сервисы Авито: бронирование жилья, услуги продвижения, ипотечное страхование;
компенсация питания.
Москва, удалённая работа или гибрид, RU; Россия; развивать аналитику дилерских инструментов: измерять, как они помогают привлекать и удерживать покупателей, и находить возможности для улучшения
Location: Москва, офис или гибрид, RU; Россия
О команде
Программа лояльности — бонусная система для покупателей на Авито. Это кросс-вертикальный проект: команда помогает мотивировать покупателей к заказам и повышать удержание.
Первые сценарии программы лояльности запускаем в Авито Доставке: покупатели смогут списывать бонусы при оплате товара.
Аналитику программы лояльности предстоит определять правила начисления и списания бонусов.
Какие задачи вас ждут:
развивать программу лояльности: искать новые возможности и формировать продуктовые гипотезы вместе с командой;
проектировать и оценивать механики привлечения и удержания покупателей: приветственные бонусы, реактивацию, мотивацию к повторным заказам;
определять, как программа лояльности сочетается с другими ценовыми механиками Авито Доставки;
искать, тестировать и запускать эффективные конфигурации программы лояльности — правила начисления и списания бонусов;
оценивать влияние программы на заказы, GMV и валовую прибыль Авито Доставки;
исследовать параметры оптимизации конфигураций: какие параметры учитывать, как их включать и как часто пересматривать;
развивать алгоритм оптимизации и автоматизировать бонусную систему.
Мы ждём, что вы:
имеете опыт работы в анализе данных от трех лет;
умеете находить точки роста для бизнеса на основе данных;
умеете презентовать результаты исследований и оформлять сложные выводы в доступных и понятных формулировках;
владеете математической статистикой и умеете применять её к реальным бизнес-задачам;
имеете опыт проведения сплит-тестов и обработки их результатов;
имеете опыт анализа данных с помощью Python;
умеете самостоятельно вести задачи и взаимодействовать с внутренними заказчиками.
Работа у нас — это:
самостоятельная зона ответственности и участие в продуктовых решениях;
обсуждение исследований и подходов, поддержка опытных аналитиков;
расширенная забота о здоровье: ДМС, страхование жизни, онкострахование;
сервис психологической поддержки, а также финансовые, юридические и ЗОЖ-консультации для вас и ваших близких;
корпоративный спорт: групповые тренировки, велбиинг-приложение;
спецпредложения от партнёров и скидки на сервисы Авито: бронирование жилья, услуги продвижения, ипотечное страхование;
компенсация питания.
Location: Москва
Данные — главный рычаг качества фронтирной модели. Станьте тем, кто его держит
------------------------------------------------------------------------------
GigaChat обучает одна из крупнейших ML-команд страны. Мы знаем то же, что знают OpenAI и Anthropic: качество следующей версии модели определяют претрейн-данные. Поэтому мы ищем не «инженера по датасетам», а исследователя, который будет владеть данными как рычагом роста модели — от стратегии сбора до измеримого прироста на бенчмарках.
Контур влияния короткий и прямой: ваша гипотеза → эксперимент → обучающий прогон → прирост метрик модели, которой пользуются миллионы людей.
Обязанности
* Вести программу экспериментов с данными.
* Планировать, запускать и анализировать ablation-эксперименты: сравнивать версии смеси данных, фильтров и порядка обучения при фиксированном вычислительном бюджете. Вы автор эксперимента, а не исполнитель.
* Оптимизировать смесь и порядок использования данных.
* Отвечать на главный вопрос претрейна: какие данные, в какой пропорции и в каком порядке должна видеть модель. Применять интуицию scaling laws к распределению токенов.
* Измерять качество данных.
* Превращать расплывчатые «хорошие данные» в конкретные измеримые сигналы: классификаторы для отбора документов, насыщенных рассуждениями, кодом и знаниями.
* Курировать корпус на масштабе триллионов токенов.
* Проводить точную и fuzzy-дедупликацию, фильтрацию, очистку от утечек бенчмарков, html2text.
* Собирать данные для agentic-pretrain.
* Проводить поиск, сбор и генерацию траекторий использования инструментов, многошаговых рассуждений и взаимодействия со средой — чтобы агентные способности закладывались в модель уже на этапе претрейна, а не только в пост-обучении.
* Создавать рецепты подготовки синтетических данных.
* Генерировать синтетику под дефицитные способности модели (длинный контекст, рассуждения, код) — с количественной проверкой через эксперименты.
* Замыкать петлю: «данные → обучение → оценка».
* Развивать контур бенчмарков и сетапов экспериментов для измерений, чтобы каждое изменение данных имело измеримый ответ.
Требования
* Нам нужны сильные исследователи, а не исполнители. Главное — умение самостоятельно задавать правильные вопросы, проектировать эксперименты и доводить гипотезы до измеримого результата.
* Опыт именно с LLM не обязателен, если у вас сильная экспериментальная практика в любой области ML — компьютерное зрение, рекомендательные системы, классический ML, наука — специфике больших языковых моделей мы научим.
* Сильные основы ML и статистики, культура контролируемого эксперимента: гипотеза → дизайн → измерение → вывод.
* Уверенный Python и опыт обучения моделей на PyTorch или аналогах.
* Самостоятельность в исследованиях: умение вести направление от вопроса до результата, а не ждать постановки задачи.
* Понимание цикла обучения LLM хотя бы на уровне теории: токенизация, scaling laws, влияние состава данных на качество.
* Знакомство с распределённой обработкой данных (Spark, Dask, Airflow, Kubernetes) и открытыми data-проектами (FineWeb, OLMo, Dolma) — как минимум представление о том, как это устроено.
Не обязательно закрывать все вышеперечисленные пункты. Если вы сильный экспериментатор и хотите дорасти до владения всем циклом данных фронтирной модели — давайте поговорим.
Условия
* Вычислительные ресурсы под ваши эксперименты.
* Один из крупнейших GPU-кластеров в стране.
* ablation-эксперименты — это обучающие прогоны, и вы сможете запускать их регулярно, а не «раз в квартал, если повезёт».
* Претрейн с нуля, а не дообучение чужих весов.
* Мы обучаем собственную модель с первого токена — это значит, что ваши решения по данным определяют фундамент модели, а не косметику поверх чужого претрейна. Сейчас мы учим модели размером 400–700B параметров, и у нас есть амбиции выйти на масштаб 1.5–2T.
* Опенсорс и мировая планка. Мы выкладываем модели в открытый доступ, и наша цель — достичь мирового уровня среди опенсорс-моделей. Ваша работа будет видна всему сообществу и будет сравниваться с лучшими открытыми моделями мира.
* Полная ориентация на результат.
* Минимум бюрократии, максимум ответственности и свободы. Работу меряем не количеством задач, а приростом модели на бенчмарках при том же бюджете. Подтверждённая гипотеза попадает в обучение следующей модели.
* Развитая инфраструктура.
* Зрелый стек для работы с данными и экспериментами: S3, YTsaurus, Airflow, DataLens, GitLab CI, wandb.
* Вы приходите не строить платформу с нуля, а исследовать — пайплайны, оркестрация, трекинг экспериментов и визуализация уже работают.
Location: Москва
Команда аналитики Клиентского опыта и обслуживания КИБ
Обязанности
* исследование данных: поиск источников, взаимодействие с владельцами данных по их интерпретации, выявление статистических закономерностей
* написание сложных запросов sql/python/pyspark для извлечения данных,связанных с аналитикой клиентской базы, опыта взаимодействия клиентов с банком,поиском причин изменения поведения клиентов и ключевых метрик банка
* создание скриптов для регулярных выгрузок и прототипов витрин данных для последующего вывода в промышленные источники (в т.ч для BI-отчетности)
* взаимодействие с бизнес-заказчиками: cбор и обработка бизнес-требований, декомпозиция задач
* аd-hoc аналитика
* разбор обращений пользователей по действующей отчетности
Требования
* уверенное знание SQL (сложные JOIN-ы, оконные функции, CTE, подзапросы, оптимизация производительности запросов)
* уверенное владение Python для анализа больших объемов данных. Опыт работы с Hadoop/Spark
* коммуникационные навыки и умение эффективно взаимодействовать с коллегами
* навык сбора бизнес-требований и оформления ТЗ
* опыт работы с AI-инструментами для аналитики и разработки (GigaCode, GigaChat, DeepSeek, Qwen, Claude и т. п.)
* знание Scala будет преимуществом
Условия
* комфортный современный офис
* корпоративный спортзал и зоны отдыха
* уникальная система обучения Сбера для профессионального и карьерного развития
* программа адаптации и помощь руководителя на старте
* 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.
Москва
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Настройте подбор, и подходящие вакансии будут приходить в Telegram.
Москва; Проводить поиск, сбор и генерацию траекторий использования инструментов, многошаговых рассуждений и взаимодействия со средой — чтобы агентные способности закладывались в модель уже на этапе претрейна, а не только в пост-обучении
Автоотклики