Вакансии

2+ years of quantitative finance experience.

Location: Москва Мы ищем аналитика данных в команду, которая отвечает за профиль клиента — физического лица. Наши цели — обогащение профиля данными, рост доходности от коммуникаций по текущим клиентам и привлечение новых клиентов в Сбер. Вы будете работать с большими данными, искать точки роста и превращать цифры в решения, которые влияют на бизнес-результат. Обязанности \- выгрузка и анализ данных (Hadoop) для аналитических задач и ad-hoc запросов \- формулирование и проверка гипотез, A/B-тесты, оценка эффекта от изменений в процессах и продуктах \- проектирование и разработка дашбордов и регулярной отчётности в BI \- перевод бизнес-потребности в аналитические задачи и метрики, подготовка выводов с конкретными рекомендациями \- презентация результатов продуктовым командам и руководству. Требования \- SQL на продвинутом уровне: оконные функции, оптимизация запросов, работа с большими таблицами \- опыт работы с Hadoop / Spark (знание PySpark как преимущество) \- Python для анализа данных (Pandas, NumPy, SciPy) \- опыт построения дашбордов в BI-системах (Tableau/Power BI или аналоги) \- знание статистики: A/B-тестирование, корреляции, распределения, проверка гипотез \- опыт работы в банке с клиентскими данными будет плюсом. Условия * комфортный современный офис рядом с м. Кутузовская * ежегодный пересмотр зарплаты, 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.

Location: Москва Мы - команда разработки кредитных агентов на базе большой языковой модели. В команде открыта роль аналитика больших данных. У роли есть два основных фокуса: ·      бизнес-анализ — глубокое понимание кредитных процессов, чтобы точно знать, какие диалоги нужны системе для обучения ·      конструирование обучающих диалогов — превращение разрозненной текстовой информации в релевантный, сбалансированный датасет. Обязанности ### Бизнес-анализ ·      погружение в домен: изучение кредитных процессов, регламентов, продуктовой документации; интервью с экспертами по кредитованию ·      карта сценариев: построение intent-map и user journeys — какие задачи пользователь решает с ассистентом, где чаще ошибается ·      приоритизация: определение ценных/частотных/рискованных сценариев; фокус датасета на них ·      выявление пробелов: анализ логов диалогов и тикетов поддержки — где ассистент проваливается, что не покрыто; постановка задач на дозаготовку сэмплов ·      связь «бизнес → данные → метрика»: перевод требований бизнеса в измеримые требования к датасету; защита покрытия сценариев ·      артефакты: требования, схемы процессов, каталог намерений (Jira, Confluence). ### Дата-анализ: подготовка диалогов ·      сбор и синтез: извлечение диалогов из документации, БЗ, FAQ, тикетов, логов реальных обращений, переписок поддержки ·      проектирование сценариев: явные и размытые запросы, оговорки, смена намерения, цепочки вызовов инструментов, ошибки и отказы (negative/refusal cases) ·     синтетическая генерация: prompt-шаблоны для LLM-генерации диалогов; контроль качества (дедупликация, разнообразие, отсутствие PII) ·      методология: гайды по разметке, критерии приёмки; обучение группы разметчиков (при наличии) ·      оценка влияния: bad-case-анализ, итеративное улучшение датасета под ошибки системы. Требования ·      бизнес-анализ от 2 лет: интервью, моделирование процессов (BPMN/UML), написание требований ·      LLM/ML Data от 1 года: разметка, синтез датасетов (SFT, RLHF/DPO) ·      понимание tool calling / function calling и агентных сценариев ·      рython для работы с датасетами: JSONL/parquet, pandas, регулярки, скрипты генерации/валидации ·      умение переводить между «языком бизнеса» и «языком данных». Будет плюсом ------------ ·      анализ диалоговых логов / conversational analytics ·      опыт в чат-ботах, голосовых и корпоративных ассистентах ·      SQL, витрины, продуктовые метрики ·      RAG, LLM-as-a-judge, pairwise-оценки. Условия ·      комфортный современный офис рядом с м. Кутузовская ·      ежегодный пересмотр зарплаты, 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.

— развивать систему продуктовых и бизнес-метрик: определять логику расчета, следить за качеством данных и помогать командам правильно использовать метрики; — разбираться в задачах, где на старте еще нет четко сформулированного аналитического запроса: уточнять проблему, выбирать методологию и строить план исследования;

Location: Москва Workplace: гибкий Ищем продуктового аналитика в проект «Жизненные ситуации» — проект, который помогает нашим пользователям закрывать свои повседневные задачи, не выходя из привычной социальной сети. Задачи Выстраивание системы метрик для оценки успеха проекта Дизайн и проведение A/B-тестов Проведение исследований для проверки продуктовых гипотез Проактивная поставка гипотез для продуктовой команды Подготовка аналитических отчётов для разных уровней заказчиков Ad hoc запросы для внешних партнёров и заказчиков Требования Успешные кейсы по оптимизации продукта на основе данных Опыт проведения масштабных A/B-тестов (дизайн экспериментов, оценка результатов) Глубокое понимание продуктовых метрик и их взаимосвязи Опыт проведения A/B-тестирования Умение работать со статистическими данными и делать обоснованные выводы Способность структурировать информацию и представлять результаты анализа Продвинутый SQL (сложные запросы, оконные функции, CTE) Python (Pandas, NumPy, SciPy, Matplotlib/Seaborn) Опыт работы с BI-инструментами (Superset, Tableau или аналоги) Базовые знания статистики и математического анализа Аналитическое мышление и внимание к деталям Умение работать с большими объёмами информации Способность чётко формулировать гипотезы и проверять их Навыки эффективной коммуникации и презентации результатов Проактивность и инициативность в решении задач Будет плюсом Знание методов машинного обучения Опыт работы со стеком больших данных Яндекса (YT/YQL/SPYT/CHYT)

Location: Москва Workplace: Комбинированный Мы ищем продуктового аналитика в группу аналитики продукта Облака Mail в VK. Команда отвечает за развитие аналитики Облака и помогает принимать продуктовые решения на основе данных. Мы работаем на стыке продуктовой аналитики, экспериментов и развития аналитической инфраструктуры. Ищем сильного специалиста, который хочет влиять на продукт, самостоятельно находить точки роста и участвовать в discovery, а не только выполнять готовые задачи. Для нас важно сочетание двух компетенций: глубокая техническая экспертиза и самостоятельность в продуктовом анализе. Ты будешь работать не только с готовыми витринами и отчётами, но и разбираться в данных «под капотом», проверять их качество, формулировать аналитические задачи и предлагать собственные подходы к решению продуктовых вопросов. Задачи Развивать продуктовую аналитику Облака Mail: исследовать пользовательское поведение, находить инсайты и определять точки роста ключевых продуктовых и бизнес-метрик Участвовать в discovery-команде полного цикла: от генерации и валидации гипотез до сопровождения реализации продуктовых решений и оценки их эффекта Проводить исследования и находить точки роста: работать над развитием автозагрузки контента, повышением заполняемости пользовательского пространства, ростом вовлечённости и конверсий Проектировать и анализировать A/B-тесты: формировать дизайн экспериментов, контролировать корректность методологии, валидировать результаты и выявлять аномалии Создавать системы отчётности и прогнозные модели: разрабатывать дашборды, драйверные декомпозиции и модели выручки для поддержки продуктовых решений Развивать аналитические инструменты и процессы: автоматизировать рутинные задачи, улучшать качество данных и повышать скорость принятия data-driven решений Требования Уверенное владение SQL и опыт работы с большими объёмами данных Практический опыт проведения A/B-тестов: понимание статистических критериев, расчёт размера выборки, работа с ошибками первого и второго рода, применение теории вероятностей и математической статистики Знание продуктовых метрик: Retention, Churn, ARPU, LTV, Conversion Rate, Sticky Factor и других. Умение интерпретировать метрики и формулировать на их основе аналитические выводы Уверенное владение Python для анализа данных: Pandas, NumPy, SciPy, библиотеки визуализации (Matplotlib, Plotly, Seaborn) Опыт построения дашбордов и визуализации в BI-инструментах. DataLens и Superset будут преимуществом, но рассматриваем и опыт с аналогами Понимание принципов построения витрин, агрегатов и аналитической инфраструктуры Умение работать с сырыми данными, самостоятельно проверять их корректность и оценивать надёжность отчётности Способность самостоятельно формулировать аналитические задачи, задавать уточняющие вопросы и предлагать решения, выходящие за рамки первоначальной постановки Будет плюсом Опыт работы с YTSaurus (YQL) Опыт участия в discovery-процессах и влияния аналитики на продуктовые решения Опыт работы с большими объёмами данных и развитой аналитической инфраструктурой Мы предлагаем Сильное профессиональное окружение: возможность обмениваться опытом с экспертами VK Образовательные ресурсы и сообщества: доступ к внутренним мероприятиям и профессиональным сообществам Гибридный формат работы из Москвы или Санкт-Петербурга Официальное оформление по ТК РФ с первого дня ДМС для сотрудников и их детей с первого месяца работы Компенсацию питания Систему гибких льгот с 14 категориями на выбор И многое другое, о чем мы расскажем на собеседовании :)

Workplace: Офис, Гибридный Финтех — молодое и смелое направление Яндекса. Мы создаём банковские и небанковские продукты. Ищем инженера данных, который поможет создавать и развивать хранилище Финтеха. Откликайтесь, если работали инженером данных более трёх лет и знаете SQL и Python. В Финтехе мы создаём платёжные продукты, сервисы и инструменты для управления личными финансами. Финтех уже превратился из стартапа в полноценный и крайне важный продукт. Сейчас мы собираем новое — аналитическое — хранилище данных и формируем для этого команду. В хранилище нет легаси, поэтому у вас будет возможность оказаться у истоков нового проекта. У нас большие планы — приходите помогать их реализовать! Обязанности Строить ETL-процессы Нужно извлекать из источников ценную информацию, обрабатывать её и представлять в виде, удобном для аналитиков. Сложность пайплайнов может варьироваться от простых инжестов данных из внешней среды и приземления результата в хранилище до витиеватых графов со множеством инпутов и аутпутов. Оптимизировать логику Как известно, у нас нет собственного легаси, но мы часто работаем с прототипами, реализованными аналитиками, чьё представление о прекрасном может не совпадать с нашим. Поэтому мы распутываем нетривиальную логику и предлагаем более строгую, консистентную и оптимальную, ориентируясь на большие объёмы данных. Обеспечивать доступность сервиса Олимпиадный подход подразумевает одноразовость результата. Мы преследуем совсем другие цели, поэтому максима «сработало раз — и ладно» не о нас. Идеал такой: хранилище обеспечивает регулярную поставку с минимально возможным количеством сбоев, а данные — корректны, полны, непротиворечивы и отвечают самым строгим стандартам качества. Проектировать структуру хранилища Лучшее аналитическое DWH ещё только в планах. Мы хотим заложить основы, которые позволят ему быстро развиваться, обрастая при этом не «костылями» и «велосипедами», а современными инженерными практиками и подходами. Взаимодействовать с аналитиками Они наши главные и любимые заказчики. Вместе с ними вам предстоит обдумывать бизнес-задачи, иногда вы будете спорить, но в итоге — находить оптимальные решения. Неотъемлемая часть этого процесса — накапливание личного опыта в бизнес-домене Финтеха. Прибавим сюда рост инженерного опыта — и получим двойную выгоду. Почти как у Яндекс Пэй. Требования * Уверенно программируете на Python * Хорошо знаете SQL и понимаете устройство современных СУБД * Понимаете и можете объяснить необходимость непрерывной интеграции и доставки (CI/CD), преимущества использования систем контроля версий, код-ревью, тестирования и мониторинга * Работаете в командной строке Unix-подобных систем (Linux, macOS) Будет плюсом * Создавали сложные высоконагруженные ETL- и ELT-процессы (Hadoop, Hive, Spark) * Разрабатывали процессы обработки событий, приближенные к реальному времени (Kafka, Spark Streaming, Flink) * Участвовали в проектировании хранилищ данных * Работали по методологии Agile * Руководили стажёрами или начинающими специалистами * Знакомы со специализированными аналитическими БД (Greenplum, Vertica, ClickHouse, Teradata) и аналитическими инструментами на базе Python (Jupyter, pandas, SciPy, Matplotlib) * Публикуете свой код в доступном репозитории, пишете статьи, выступаете на конференциях

Workplace: Офис, Гибридный Яндекс Финтех — это удобные сервисы для управления личными финансами. Мы разрабатываем аналитическое хранилище, где будут собраны данные всех сервисов. Приходите, если хотите работать в новом проекте без легаси, помогать нам реализовывать идеи. Ждём, что вы пишете аналитический код на Python. Финтех Яндекса — это сервисы, с которыми удобно управлять данными и деньгами: Яндекс ID и Яндекс Пэй, Карта Плюса, карта Яндекс Про и Сплит для оплаты частями. За два года Финтех превратился из стартапа в полноценный продукт, которым пользуются миллионы людей. При этом сервисы Финтеха продолжают активно развиваться, что позволяет находиться у истоков многих проектов и влиять на них. Один из таких проектов — «Аналитическое хранилище данных», где будут собраны данные всех сервисов. Это сложная, но интересная задача, для решения которой используются современные подходы и технологии. Проект находится в стадии зарождения, а это значит, что здесь нет легаси, но есть много планов и возможностей реализовать свои идеи. В нашей команде мы изучаем взаимодействие бизнеса и данных, находим оптимальные способы их интеграции в наше хранилище, делая их доступными и понятными для пользователей. Кроме того, мы создаём систему мониторинга, чтобы отслеживать, как используются наши данные, и непрерывно их улучшать. Важная часть нашей работы — поддержка инфраструктуры, которая становится надёжной основой для решения аналитических задач. Обязанности Формулирование требований к данным Вы будете изучать бизнес-процессы, задачи аналитиков, сырые данные. На основании анализа необходимо формулировать требования к итоговым данным и способам их поставки, которые эффективно интегрируются в хранилище данных. Анализ новых требований Предстоит работать с существующими и новыми требованиями, валидировать данные, выявлять их пересечения и противоречия, а также предлагать решения в сложных ситуациях. Работа с данными Необходимо своевременно информировать пользователей хранилища о появлении новых объектов и помогать эффективно их использовать, а также вместе с аналитиками строить инфраструктуру для работы с данными и оптимизации запросов. Развитие базы знаний Вам предстоит добавлять и распространять информацию о наших данных и подходах к их обработке во внутренних сервисах для ведения документации. Эффективная коммуникация Вы будете формализировать требования к поставщикам данных, автоматизировать процессы заказа данных и т. п. Больше об аналитике в Яндексе — в канале Yandex for Analytics Требования * Умеете выявлять, структурировать и описывать требования бизнес-пользователей и заказчиков * Внимательно ставите задачи разработчикам, можете предварительно провести анализ данных и требований * Знаете принципы и особенности построения хранилищ данных * Понимаете принципы построения ETL-процессов * Хорошо знаете SQL и понимаете устройство современных систем управления базами данных * Пишете аналитический код на Python Будет плюсом * Участвовали в проектировании хранилищ данных * Руководили стажёрами или начинающими специалистами * Работали по методологии Agile * Самостоятельно создавали ETL- и ELT-процессы * Знакомы со специализированными аналитическими базами данных (Greenplum, Vertica, ClickHouse, Teradata) и с аналитическими инструментами на базе Python (Jupyter, pandas, SciPy, Matplotlib) * Публикуете свой код в доступном репозитории, пишете статьи, выступаете на конференциях

Location: Москва Workplace: Удаленная работа О компании Команда выполняет следующие цели: - централизовать хостинг инфраструктуры, ML/DL/LLM - моделей уже готовых решений на уровне Блока Финансов и обеспечить их мониторинг - обеспечить компетенции для до-обучения / fine-tuning моделей под специфические задачи и данные финансовой функции - сформировать единый слой интеграций с ИТ-системами Блока Финансов для снижения Т2М новых ИИ-инициатив - реализовывать сквозные проекты с применением ML/DL/LLM, затрагивающие большое число процессов департаментов Обязанности Разрабатывать backend-сервисы на Python; Интегрировать LLM в существующие продукты компании; Разработка векторных баз данных и разметка дата-сетов для обучения моделей RAG-поиска; Работать с API, базами данных и внутренними сервисами; Создавать и поддерживать AI-функциональность в production, проектировать и оптимизировать модели данных, взаимодействовать с базами данных; Обеспечивать качество кода через code review, автоматизированное тестирование и соблюдение лучших инженерных практик; Совместно с DevOps-инженерами участвовать в развитии CI/CD-процессов, мониторинга и обеспечения отказоустойчивости сервисов; Разработка продакшен-пайплайнов обработки данных; Промпт-инжиниринг и написание эффективного и масштабируемого кода инференса моделей и экспериментов на GPU-кластере; Оптимизация кода по обработке больших массивов данных и атрибутивности для распознавания документов Требования Хорошее знание Python и ключевых фреймворков для работы с данными (PySpark, PyArrow, Pandas); Опыт работы с RAG, системами iDP (распознавание документов), агентскими системами; Опыт написания качественного production кода; Опыт написания промышленных пайплайнов обработки данных, содержащих множество шагов, зависимостей и сложную логику; Опыт использования Airflow (или другого industry-standard оркестраторов пайплайнов, т.к. Luigi, Dagster и т.д.); Хорошее понимание баз данных SQL / NoSQL; Глубокое понимание RAG-решений (чанкинг, эмбеддинги, реранжирование и т.д.) Условия Гибридный или полностью удалённый формат работы, с возможностью гибкого начала и окончания рабочего дня; Участие во внешних IT конференциях; Полезные курсы и вебинары в корпоративном университете и электронные библиотеки. А ещё: ДМС с первого месяца работы, включая стоматологию. А ещё оплачиваем 50% стоимости полиса ДМС для родственников; Мобильная связь за счёт компании и льготные тарифы для близких; Подписка на online-кинотеатр KION, сервис МТС Музыка, книжный сервис Строки от МТС, безлимитные мессенджеры и соцсети.

Location: Москва Мы занимаемся тонкой настройкой клиентских стратегий: строим индивидуальные модели эластичности (uplift) к ставке по вкладам, потребкредитам, программам лояльности и другим продуктовым направлениям, прогнозируем досрочное погашение кредитов физлиц и повышаем экономическую эффективность розничного бизнеса на основе данных. Обязанности * работать с большими данными в экосистеме Hadoop (PySpark, SQL) — от выгрузки и разведки до построения витрин для моделей * разрабатывать индивидуальные модели эластичности и клиентского поведения в сегменте B2C — от прототипа до продвинутого пайплайна обучения и предсказаний * проверять бизнес-гипотезы и превращать их в измеримый эффект: дизайн и оценка A/B-тестов (мэтчинг, продвинутые методы causal inference, интерпретация результатов) * выстраивать коммуникацию с заказчиками: согласовывать метрики, защищать подходы, показывать ценность данных на понятном языке * обеспечивать надёжность и мониторинг внедрённых решений — чтобы модель работала стабильно и приносила пользу каждый день. Требования * опыт работы Data Scientist от 5 лет * высшее техническое образование (будет плюсом если выпускник - МГУ, МФТИ, ВШЭ и других ведущих вузов страны) * понимание теории вероятностей и статистики. * уверенное владение широким спектром ML-алгоритмов — регрессия, классификация, кластеризация, а также uplift-моделирование (способность оценивать причинно-следственные эффекты, а не просто предсказывать) * владение Python и ML библиотеками (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost, etc.) * плюсом будет опыт работы с pytorch, pyspark. Условия * комфортный современный офис рядом с м. Кутузовская * возможность выбрать удобный график – офис/гибрид * ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования) * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте (для вакансий уровня Junior) * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Montevideo, Uruguay; Remote.AR, Remote.LATAM-country; Remote.CO, Colombia; Rosario, Remote.LATAM-country We are looking for a Machine Learning Engineer with a strong software engineering background to help design and build the corporate analytics platform. In this role, you will contribute both technically and consultatively by identifying limitations, gathering needs and shaping scalable and reliable data and AI solutions. You will contribute to an Analytics Platform that helps turn data and AI assets into business value at scale. The platform is built for large scale digital analytics workloads and includes capabilities comparable to enterprise analytics solutions, with a strong software engineering approach applied to data engineering. Design, build, maintain and operate the corporate digital-analytics data platform. Architect scalable, resilient, high-performance solutions for high-volume, high-transaction data. Develop and maintain ingestion, transformation and load pipelines (batch and streaming). Apply solid data modeling and SQL transformations; manage partitioning for performance and cost. Implement data governance, cataloging, lineage and access controls (security and compliance). Define and follow CI/CD standards for data and AI; apply software-engineering best practices. Operate consultative identify platform limitations, gather requirements and propose solutions. Proven experience in data platform roles, with a strong software-engineering foundation. Solid software design and architecture skills (not only pipeline authoring). Experience with high-volume / high-transaction data platforms. SQL plus a programming language (Python, Java or Scala); Pandas for data processing. Pipeline orchestration (DAGs, Dataform) and data modeling. GCP data stack: BigQuery (partitioning), lakehouse/warehouse, storage, streaming. Google Analytics / GA4 and clickstream data (GA4 → BigQuery export). Data governance, cataloging and cost/performance optimization. Cloud architecture, CI/CD, infrastructure-as-code and containers. MLOps on Vertex AI: model deployment, serving, monitoring and versioning; feature stores and model registries. Ability to operate consultative with technical and business stakeholders; Agile experience. Fluency in Spanish (team language). Experience with LangChain Experience with Agents Experience with Vector DBs

В задачи будут входить: коммуникации с главным продакт-менеджером, сбор требований, кастдев пользователей, проектирование и реализация фичей: проектирование системы аналитики, SEO-оптимизация, создание совершенно новых на рынке e-comm продуктовых фич. Общение с главным product manager, project manager и custdev клиентов;

Location: Poland; Georgia; Kazakhstan; Indonesia As a Data Analyst in the Business Analytics team, you’ll be the dedicated analyst for our B2B commercial direction. You’ll work as an independent contributor, side by side with the commercial team. You’ll find growth opportunities in the data, form and test hypotheses, and measure the impact of business initiatives that are not product features. Your first projects will be supporting and developing our pricing override and cost modifier processes, designing experiments around the credit limits we give B2B partners to help grow their booking volumes, and evaluating the financial and customer impact of opening local legal entities in new markets. A/B testing alone often isn’t enough here, so you’ll choose and apply other methods, such as difference-in-differences or causal impact. There is no ready-made playbook. You’ll set your own approach, and project managers on both sides will help you run the work. The role suits a self-driven analyst who wants real ownership and visible impact on commercial decisions, and it can grow as the direction expands. Requirements 2+ years of experience in business, data or product analytics. Strong SQL, including writing efficient, fast-running queries. Confident Python and its data libraries: Pandas, NumPy, Matplotlib, Seaborn, Scikit-learn and others. Hands-on experience with difference-in-differences. Experience with causal inference methods: Causal Impact, Propensity Score Matching and similar. Solid knowledge of statistics and experience designing and running A/B tests and other experiments. Ability to dive deep into business processes, solve non-standard problems and work independently. Fluent Russian and English B2. Nice to have Experience with time series forecasting (Prophet, ARIMA, Exponential Smoothing or similar). Experience in B2B, commercial or partner analytics. Experience onboarding or mentoring junior colleagues. Hands-on use of AI tools, such as Copilot or agents, to speed up your work. Benefits Flexible schedules and opportunity to work remotely. Ambitious and supportive team who love what they do, appreciate each other, and grow together. A structured onboarding, a personal development plan, and regular internal lectures and demos from the team. Internal programs for adaptation and training, development of soft skills, and leadership abilities. Partial compensation for participating in external training and conferences. Corporate English school: Group and individual lessons, speaking clubs with colleagues from all over the world. Corporate prices on hotels and travel services. MyTime Day Off - an extra non-working day without loss of compensation.

Задачи: — работать с большими данными в экосистеме Hadoop (PySpark, SQL) — от выгрузки и разведки до построения витрин для моделей — разрабатывать индивидуальные модели эластичности и клиентского поведения в сегменте B2C — от прототипа до продвинутого пайплайна обучения и предсказаний — проверять бизнес-гипотезы и превращать их в измеримый эффект: дизайн и оценка A/B-тестов (мэтчинг, продвинутые методы causal inference, интерпретация результатов) — выстраивать коммуникацию с заказчиками: согласовывать метрики, защищать подходы, показывать ценность данных на понятном языке — обеспечивать надёжность и мониторинг внедрённых решений — чтобы модель работала стабильно и приносила пользу каждый день. Требования: — опыт работы Data Scientist от 5 лет — высшее техническое образование (будет плюсом если выпускник - МГУ, МФТИ, ВШЭ и других ведущих вузов страны) — понимание теории вероятностей и статистики — уверенное владение широким спектром ML-алгоритмов — регрессия, классификация, кластеризация, а также uplift-моделирование (способность оценивать причинно-следственные эффекты, а не просто предсказывать) — владение Python и ML библиотеками (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost, etc.) — плюсом будет опыт работы с pytorch, pyspark. Условия: — комфортный современный офис рядом с м. Кутузовская — возможность выбрать удобный график – офис/гибрид — ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования) — корпоративный спортзал и зоны отдыха — более 400 образовательных программ СберУниверситета для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте (для вакансий уровня Junior) — расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа — гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ — подписка Прайм с возможностью совместного использования на трёх близких — вознаграждение за рекомендацию друзей в команду Сбера.

Проект по созданию аналитической платформы на базе ИИ — единая экосистема для работы с данными. Продукт собирает информацию из разных источников, обрабатывает её и предоставляет руководству и аналитикам инструменты мониторинга, поиска и прогнозирования (включая чат-ботов). Задачи: — Анализировать и исследовать данные — проводить первичный EDA, выявлять закономерности и аномалии в данных — Предобрабатывать и очищать данные — разрабатывать скрипты для трансформации, нормализации и feature engineering, подготавливать датасеты для обучения моделей — Разрабатывать, настраивать и оптимизировать LLM-пайплайны — Обучать и дообучать ML-модели — Оценивать и интерпретировать результаты — анализировать метрики качества моделей, выявлять причины ошибок и предлгать пути улучшения — Генерировать гипотезы, проверять их значимость и внедрять в рабочие процессы Требования: — Знание языков программирования (Python) — Навыки применения numpy, pandas, scikit-learn, tensorflow или pytorch, опыт решения NLP задач, знание статистики и линейной алгебры, трансформация и подготовка данных — Будет преимуществом: Опыт участия в ML соревнованиях, курсы DS школ Условия: — Возможность работы в комфортном офисе г. Москва — Внутренние семинары, внутренние митапы — Техника для комфортной работы — ДМС со стоматологией для сотрудников и скидку на покупку ДМС для ближайших членов семьи — Сессия профессионального развития с планом индивидуального развития для каждого сотрудника

Location: Москва Мы создаем будущее личных финансов. Приложение «СберИнвестор» — это не просто торговый терминал, а умный помощник, который помогает миллионам пользователей принимать взвешенные решения на фондовом рынке. Мы ищем человека в команду, которая отвечает за всё, что связано с искусственным интеллектом. У нас нет жестких рамок: если у вас есть смелая идея (от нейросети, предсказывающей настроение рынка по новостям, до AI-ассистента, который объясняет сложные финансовые термины на котятах) — мы дадим ресурсы, чтобы вы спроектировали, продали эту идею менеджменту и реализовали её. **Наш технический стек:** 1. **Агенты:** LangChain, LangGraph, CrewAI. 2. **LLM:** Prompt Engineering, Fine-tuning, работа с эмбеддингами, оценка качества моделей. 3. **RAG:** Построение пайплайнов от парсинга PDF и HTML до векторных баз (например, Qdrant, Milvus) и ранжирования результатов. 4. **Classic ML & RecSys:** Gradient Boosting, матричные факторизации, ранжирование, CTR-прогнозы. 5. **Python:** Уверенное владение Pandas, NumPy, PyTorch. Обязанности Разрабатывать AI-решения полного цикла: от идеи и прототипа до продакшена и мониторинга. Проектировать и выкатывать в прод надежные пайплайны обработки данных и обучения моделей. Заниматься Data Science в его полном понимании: исследовать данные, проверять гипотезы, строить модели и оценивать их бизнес-эффект. Внедрять LLM и агентов для автоматизации поддержки, аналитики и персонализации контента. Продавать свои идеи: защищать гипотезы перед продакт-менеджерами и бизнесом, доказывая ценность метриками. Требования * Понимание полного цикла разработки ML-модели. * Знание математики и статистики на уровне понимания того, как работают алгоритмы «под капотом». * Опыт работы с Git (мы пишем чистый, поддерживаемый код). * Умение визуализировать данные и находить в них инсайты. * **Главный критерий:** горящие глаза, искренний интерес к AI и финансовому рынку. Вы должны читать статьи на arXiv не потому, что «надо для работы», а потому, что вам интересно. Условия * Гибкий гибрид (обсуждаем индивидуально). * Современный IT-офис вблизи Москва-Сити с фитнес-залом. * Ипотека с выгодой для сотрудника и льготные условия кредитования. * Бесплатная подписка СберПрайм+. * Скидки на продукты компаний-партнеров. * ДМС с первого дня и льготное страхование для близких. * Корпоративная пенсионная программа. * Обучение за счет компании: онлайн-курсы в онлайн-школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию. * Крупнейшее DS&AI Community — более 600 DS-банка, регулярный обмен знаниями, опытом и лучшими практиками, интерактивные лекции и мастер-классы от ведущих ВУЗов и экспертов технологических компаний, дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира.

– образование с математическим уклоном: предпочтительно (но не ограничиваясь) МКН СПбГУ, матфак ВШЭ, мех-мат МГУ, РЭШ, МФТИ, ИТМО и др.; – понимание финансовой математики: знания в области теории вероятностей и случайных процессов, математической статистики и эконометрики;

Location: Москва Мы – центр развития Индийского филиала Сбера разрабатываем автоматизированную банковскую систему (АБС) для индийского филиала с нуля. Система состоит из набора модулей - ядро, бухучет, отчетность, кредитные и не только продукты, интернет-банк и антифрод система. В создании любого из них вы можете принять непосредственное участие, повлиять на архитектуру, на качество, на процессы, на то, как в конечном итоге они должны выглядеть. Обязанности * коммуникации с заказчиками для сбора и согласования бизнес и функциональных требований (продуктовые команды на стороне России и Индии) * построение и сверка прототипов данных * разработка BI дэшбордов * взаимодействие с командой индийских DE, помощь со сверкой данных * консультации продуктовых команд - BestPractices для быстрого и эффективного создания структур и дэшбордов * участие в ПСИ. Требования * опыт работы по направлению Data Analytics от 4-х лет * опыт взаимодействия с кросс-функциональными командами * развитые коммуникативные способности для эффективного общения * умение переложить гипотезу с бизнес терминов на техническую реализацию * опыт работы с PostgreSQL или другими реляционными базами данных. Высокий уровень SQL * опыт работы с BigData стеком (Hadoop / PySpark) * знание Python стека (pandas / matplotlib / sklearn) * опыт анализа данных * знание английского языка не ниже B2 * знание банковских продуктов, основ бухучета и отчетности будет плюсом. Условия * комфортный современный офис на Вавилова 19 * формат работы – офис/гибрид * ежегодный пересмотр зарплаты 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.