Задачи:
— проводить аналитику и мониторинг работы моделей
— собирать и подготавливать данные, последующий EDA, feature engineering
— разрабатывать новые ML-модели
— оптимизировать скрипты data/model/inference pipelines
— подготавливать код проекта к проду, подготавливать, дизайнить и проводить АБ-тесты.
Требования:
— высшее образование по техническому направлению
— от года релевантного опыта в ML
— прочный математический фундамент (понимание градиентного спуска, характеристик основных распределений, PCA, МНК, базовые статистические тесты проверки гипотез)
— умение и желание писать код на Python, оптимизировать его, разбираться в чужом коде, понимание SQL
— владение основными библиотеками для анализа данных: pandas, numpy, scipy, matplotlib, statmodels
— глубокое понимание основных алгоритмов классического ML (линейная/логистическая регрессия, деревья решений, ансамбли), базовые знания по DL (основные архитектуры, тонкости обучения)
— владение основными фреймворками для ML/DL: sklearn, pytorch, transformers и др.
Будет плюсом:
— интерес к методам ML в задачах ценообразования и финансах
— изучение Reinforcement Learning, multi-arms bandits
— чтение статей по современным решениям для работы с последовательностями.
Условия:
— комфортный современный офис рядом с м. Кутузовская
— гибридный формат работы
— ежегодный пересмотр зарплаты, квартальная и годовая премия
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета
— программа адаптации и помощь руководителя на старте (для Junior)
— расширенный ДМС, льготное страхование для семьи, корпоративная пенсионная программа
— гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
— подписка Прайм с возможностью совместного использования на трёх близких
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— Проектировать и разрабатывать пайплайны загрузки данных, оптимизируя их под потребности команд-потребителей
— Проектировать загрузку данных, раскладку по слоям, витрины в ClickHouse, включая выбор движка таблиц, ключей сортировки, партиционирования, шардирования и репликации
— Оптимизировать запросы и хранение данных, выявлять и устранять причины медленных запросов и аномального роста таблиц
— Разрабатывать и поддерживать DAGи в Apache Airflow с учетом идемпотентности, ретраев, бэкфиллов и зависимостей между задачами
— Обеспечивать качество данных через проверки полноты и консистентности, сверки между системами, алертинг и мониторинг пайплайнов
— Взаимодействовать с продуктовыми командами и аналитиками для разбора требований, согласования контрактов данных, объяснения ограничений и предложения вариантов
Требования:
— Опыт работы с ClickHouse, включая идентификацию проблем на кластере и работу с распределенной БД
— Уверенное владение SQL и опыт работы с большими объемами данных (таблицы 50+ Тб)
— Владение Python для разработки пайплайнов и бекенда на FastAPI
— Опыт работы с Apache Airflow, включая разработку и эксплуатацию DAGов в продакшене
— Опыт работы с Apache Kafka, понимание модели топиков, партиций, консьюмер-групп, оффсетов и семантики доставки, опыт построения загрузки из Kafka в хранилище
— Опыт интеграции данных из REST API и реляционных БД (PostgreSQL и аналоги), включая инкрементальную загрузку и работу с изменениями данных
В данной роли предстоит заниматься разработкой и проектированием AI-агентов, которые автоматизируют процессы отчетности и выявления отклонений в бизнес-процессах. Задачи включают создание пайплайнов для обнаружения аномалий, интеграцию этих решений с большими языковыми моделями (LLM) для генерации текстовых отчетов, а также работу с большими данными: подготовку признаков, агрегацию и передачу данных в модели. Кроме того, необходимо оптимизировать, упаковывать и разворачивать агентные системы в продуктивной среде. Важной частью работы является тесное взаимодействие с бизнес-подразделениями и аналитиками для преобразования их требований в технические AI-решения. Кандидат должен иметь не менее трех лет опыта коммерческой разработки на Python, хорошо разбираться в языковых моделях, включая понимание их ограничений, а также иметь опыт работы с LangChain или аналогичными инструментами для интеграции LLM в бизнес-задачи. Требуется знание математической статистики и основ различных методов машинного обучения, а также понимание принципов DevOps и процессов CI/CD. Работа предполагает офисный формат в Москве.
ОфисseniorМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
О проекте:
Мы строим Customer Intelligence & Personalization Platform для зарубежной экосистемы бизнесов.
Задачи:
— Принимать технические решения и самостоятельно реализовывать ключевые части платформы.
— Владеть архитектурой и развитием Data Core.
— Проектировать слои Bronze / Silver / Gold и модели данных.
— Исследовать банковские, legacy- и внешние источники, восстанавливать их семантику.
— Строить pipelines от raw-данных до подготовленных data products.
— Разрабатывать трансформации на SQL / dbt / Python.
— Определять инженерные стандарты для ELT, data modelling, metadata, lineage и data quality.
— Развивать data catalog и metadata-as-code подход.
— Проектировать data contracts и интеграции Data Core с другими компонентами.
— Переводить исследовательские решения и ручные процессы в production.
— Работать с Git, CI/CD, Docker, Linux и закрытыми Dev/UAT-контурами.
— Взаимодействовать с инженерами и data scientist в команде.
Требования:
— Опыт работы Lead / Staff / Principal Data Engineer или сильного Senior с архитектурным ownership.
— Опыт проектирования и самостоятельной реализации data platform / DWH / Lakehouse.
— Знания Core banking / legacy banking systems.
— Опыт с Customer 360 / Golden Record / MDM.
— Сильный SQL и уверенный Python.
— Опыт работы с dbt или аналогичными transformation frameworks.
— Опыт работы с Airflow / Dagster / Prefect или аналогами.
— Хорошее понимание data modelling, historization, grain и master entities.
— Практический опыт data quality, lineage и metadata management.
— Знание Data Vault 2.0.
— Опыт работы с OpenMetadata или другими data catalog solutions.
— Умение самостоятельно принимать технические решения и отвечать за результат.
— Опыт работы с плохо документированными источниками.
— Навыки работы с Git, CI/CD, Docker, Linux.
— Практический AI-native способ разработки.
Условия:
— Оформление: ИП.
— Формат работы: полная занятость.
— Локация: Ереван либо готовность к регулярным командировкам (до 2 раз в месяц на несколько дней) в Ереван для работы с данными и специалистами заказчика.
— Уровень дохода обсуждается индивидуально.
Компания Tabby ищет опытного инженера данных для работы в команде Data Services. В обязанности входит разработка внутренних решений, включая Feature Store, а также выполнение операционных задач. Ключевые задачи включают создание хранилищ данных и других сервисов обработки, разработку конвейеров EL/ELT/ETL, а также интеграцию новых инструментов для обработки и хранения данных. Требуется опыт от 3 до 5 лет в роли инженера данных, инженера машинного обучения или бэкенд-инженера, умение создавать высокопроизводительные и масштабируемые системы обработки и хранения данных, а также знание систем управления событиями и потоковых конвейеров. Необходимы навыки программирования на Python с применением лучших практик, владение SQL и его эффективным использованием, а также понимание современных методов проектирования систем. Технологический стек включает Airflow, Debezium, BigQuery или Clickhouse, PostgreSQL или CockroachDB, Docker, GitLab (CI/CD), GCP. Также важен опыт работы с REST API, GRPC API, брокерами сообщений и очередями.
В АО «Bereke Bank» открыты вакансии для IT-специалистов в различных продуктах с разнообразными задачами. Предлагается гибридный формат работы (удаленка и офис).
В AI команду требуются:
— Senior Data Scientist
— Middle Fullstack (честное разделение 50/50 между фронтендом и бэкендом)
— Senior Fullstack (с уклоном в бэкенд на Python)
— ML-инженер
Для отклика и получения деталей по проектам необходимо связаться через Telegram @dashan13 с резюме.
Задачи:
— Владеть AI-функциями от концепции до производства в масштабе 50k RPS и 450M пользователей.
— Создавать большие языковые модели (LLM) и обучать кастомные модели для приложений в реальном времени.
— Тесно сотрудничать с продакт-менеджерами для трансформации целей в решения.
— Оценивать и внедрять мониторинг производительности моделей, отслеживать дрейф и регрессии.
Требования:
— Опыт работы инженером 5+ лет с практическим опытом LLM в продакшене.
— Умение обучать и выпускать модели на неструктурированных данных.
— Глубокое понимание оценки моделей и мониторинга в продакшене.
— Владение Python и основами машинного обучения.
— Английский язык на уровне Intermediate и выше.
Условия:
— Конкурентная зарплата, бонусы и опционы (каждый сотрудник — партнер).
— Официальное трудоустройство на Кипре с поддержкой визы для сотрудника и супруга.
— Комфортный офис в Лимассоле с питанием и перекусами.
— Медицинская страховка.
— Доступ к матчам и мероприятиям Aris Limassol F.C.
— Возможности профессионального роста и командных активностей.
About LawnStarter
LawnStarter is the nation's leading on-demand marketplace for lawn care and outdoor services, with over $100M in annual bookings. The company is expanding beyond lawn care to become a one-stop shop for all home services, operating across three brands (LawnStarter, Lawn Love, Home Gnome) on a single shared platform.
About Analytics at LawnStarter
The analytics team supports the entire company including product, marketing, operations, and finance. The data platform includes a centralized Redshift data warehouse, modeled in dbt and orchestrated by Airflow, with Segment feeding event data. The team is mid-migration to Lightdash as the single BI platform, replacing Tableau and Metabase. Currently, data quality, tracking standards, and platform hygiene are side tasks handled by analysts.
The Role
The Analytics Engineering Manager will be the first dedicated person for data governance, responsible for data trustworthiness and the roadmap to improve it quarterly. Responsibilities include ensuring quality and freshness of source data, pipelines, reports, metric definitions, Segment event tracking standards, Lightdash workspace health, data feeding ML models, and data security. The role involves collaborating with product, marketing, ops, and finance to prioritize platform work. It is a hands-on role starting solo, building automation, checks, fixing issues, and establishing scalable processes. Eventually, the manager will hire a Lead Analytics Engineer and grow the function as needed.
Key differentiators of the role:
- First dedicated governance role, reshaping existing standards.
- Owns the data roadmap, discovering business needs and prioritizing work.
- Whole-stack ownership from source data to ML models.
- Leading the migration to Lightdash, setting up permissions and norms.
Responsibilities:
- Develop and manage the data roadmap balancing business needs and platform health.
- Automate monitoring of data quality and freshness, resolve incidents.
- Maintain data lineage and impact analysis to assess downstream effects of changes.
- Administer Lightdash workspace, permissions, and rollout.
- Extend and guard the semantic layer with governed metric definitions.
- Govern Segment event tracking catalog, standards, and drift detection.
- Ensure AI data readiness for internal AI tools querying the warehouse.
- Manage data security, privacy, access controls, and compliance with US state laws.
- Maintain governance documentation, ownership models, and review processes.
Challenges to solve:
- Convert business requests into a prioritized data roadmap.
- Ensure Lightdash migration improves platform usability without dashboard sprawl.
- Complete and maintain a trustworthy semantic layer.
- Manage event-tracking standards and prevent entropy.
- Proactively detect and prevent data pipeline breakages with automation and lineage.
Success metrics for year 1:
- Zero pipeline incidents from unannounced data changes.
- Zero freshness incidents; stakeholders never see stale dashboards.
- All business areas use official, well-maintained metrics and dashboards.
- Every Segment event has an owner and meets standards.
- Governance operates as a documented, sustainable system.
Requirements:
- Passion for data governance as a craft.
- Daily use of AI tools for automation, anomaly triage, and documentation.
- Hands-on manager who codes, debugs, and configures personally.
- Product-minded, able to translate vague requests into prioritized plans.
- Automation-first approach to quality checks.
- Ability to enforce standards with clear rules and good tooling.
Role exclusions:
- Not a large-team leadership role; starts solo with potential to hire one lead.
- Not a policy or committee role; hands-on fixing with code and conversations.
- Not a BI analyst role; focuses on platform and guardrails, not dashboard building.
- Not a mature system babysitting role; involves building and evolving the platform.
Technologies involved:
- Warehouse & pipelines: Redshift, dbt, Airflow
- Ingestion: Fivetran, custom Airflow pipelines
- Event tracking: Segment
- BI tools: Lightdash (primary), Tableau and Metabase (sunsetting)
- AI tooling: Claude Code, Codex, Brain (internal AI toolkit)
- Observability: AI-powered Analytics Engineer agent for monitoring and anomaly detection
Benefits:
- Base salary $75k-$120k/year
- Fully remote with asynchronous collaboration
- Flexible PTO
Equal employment opportunity statement included.
Задачи:
— Владение дорожной картой данных: выявление потребностей продукта, маркетинга, операций и финансов в данных, приоритизация задач с учетом состояния платформы и последовательное планирование инвестиций.
— Обеспечение качества и актуальности данных: автоматический мониторинг источников данных, конвейеров и отчетов, выявление изменений в схемах и источниках до возникновения проблем, управление инцидентами.
— Анализ происхождения данных и влияния изменений: создание живой карты от источника до отчетов, оценка влияния изменений на downstream компоненты до их внедрения, внедрение контрактов данных с инженерией.
— Администрирование Lightdash: настройка структуры рабочего пространства, прав доступа, обучение пользователей, поддержание порядка и производительности.
— Управление семантическим слоем: расширение и поддержка единого определения метрик, предотвращение неконтролируемого роста.
— Управление каталогом событий Segment: проверка новых событий на соответствие стандартам, поддержание соответствия с продакшеном, развитие правил и обнаружение отклонений.
— Обеспечение готовности данных для AI: контроль доступа AI-инструментов к данным, поддержание документации, консистентности и безопасности.
— Обеспечение безопасности и конфиденциальности данных: контроль доступа, обработка персональных данных в соответствии с законами штатов США, регулярные проверки.
— Поддержка системы управления: документация, модели владения и циклы обзора для устойчивой работы процессов.
Требования:
— Профессиональное отношение к управлению данными, стремление к поддержанию чистоты и надежности систем.
— Активное использование AI-инструментов для автоматизации проверок, обработки аномалий и документации.
— Практический опыт управления командой и самостоятельной работы с SQL, Airflow, настройкой прав доступа.
— Ориентация на продукт, умение превращать запросы бизнеса в приоритетный план.
— Стремление к автоматизации повторяющихся проверок.
— Умение устанавливать стандарты и добиваться их соблюдения с помощью инструментов и коммуникации.
Условия:
— Базовая зарплата $75,000-$120,000 в год.
— Полностью удаленная работа с асинхронным взаимодействием.
— Гибкий отпуск по результатам работы.
Описание роли:
— Первая позиция, посвященная управлению данными и их качеством в компании.
— Роль с полным владением цепочкой данных от источника до отчетов и моделей машинного обучения.
— Роль с практической деятельностью и последующим расширением команды.
— Не руководящая большая команда, а построение и развитие функции.
— Не роль BI-аналитика или политика, а инженерно-управленческая позиция.
Технологии:
— Хранилище и конвейеры: Redshift, dbt, Airflow.
— Интеграция данных: Fivetran, кастомные Airflow конвейеры.
— Отслеживание событий: Segment.
— BI-платформы: Lightdash (основная), Tableau и Metabase (выводятся).
— AI-инструменты: Claude Code, Codex, Brain (внутренний AI-инструмент).
— Наблюдение: AI-агент для мониторинга свежести, обнаружения аномалий и lineage dbt.
Стажировка для иностранных студентов, желающих поработать в области анализа и разработки данных.
Требования:
— знание английского
— высокая академическая успеваемость
— хорошие организаторские способности
Дедлайн: как можно скорее.
Оплата: стажировка предусматривает стипендию.
Nitka Technologies is an international IT company specializing in custom software development and IT consulting.
The position is for a Senior Data Engineer working with Delphix technology.
The work format is remote.
Задачи:
— Разработка и масштабирование World Models: проектирование и обучение массивных 3D/видеотокенизаторов и бэкбонов на базе Diffusion Transformers (DiT), Flow Matching и других технологий.
— Построение пайплайнов для распределённого обучения тяжёлых foundation-моделей на вычислительном кластере.
— Обучение Model-Based RL (MBRL) и политик IL + RL внутри замороженной латентной симуляции World Model.
— Интеграция вспомогательных лоссов для perception-задач 3D-детекции, сегментации, трекинга.
— Создание надёжного safety-контура поверх выходов модели и подготовка конструкции к реалтайм-инференсу на edge-девайсах робота.
Требования:
— Экспертное владение JAX и PyTorch.
— Навыки масштабного распределённого обучения.
— Глубокая математическая и ML-база.
— Умение писать, генерировать и проверять быстрый оптимизированный код.
Будет плюсом:
— Опыт работы с Vision Foundation Models, генеративными видео- и image-моделями, синтезом лидарных облаков.
— Опыт в Reinforcement Learning.
— Опыт продвинутой квантизации тяжёлых трансформеров или диффузионных моделей для edge-девайсов.
— Оптимизация инференса на борту робота.
— Бэкграунд в Autonomous Driving, Motion Planning или Robotics.
Условия:
— Возможность обучения и компенсация 50% стоимости курсов по языку.
— Другие бонусы, полный список которых доступен на сайте компании.
Задачи:
— Строить крупномасштабные конвейеры данных, обрабатывающие миллиарды событий ежедневно.
— Проектировать и развивать платформу самообслуживания для хранилища данных и бизнес-аналитики для игровых команд.
— Проектировать и развивать конвейеры машинного обучения для поддержки дата-сайентистов в создании новых моделей на основе игровых данных.
— Применять практики непрерывной интеграции и доставки.
— Оптимизировать тестирование, инструменты и качество данных.
— Сотрудничать с инженерами данных, дата-сайентистами, бизнес-аналитиками, командами маркетинга и продуктовых команд.
Требования:
— Обучение или недавнее завершение обучения по специальности компьютерные науки, программная инженерия или смежные области.
— Понимание принципов проектирования ПО, объектно-ориентированного программирования, паттернов проектирования, алгоритмов и структур данных.
— Навыки программирования на Python, Java, C# или аналогичных языках.
— Знание реляционных баз данных.
— Интерес к построению конвейеров данных и работе с крупномасштабными данными.
— Возможность работать в гибридном формате на территории Белграда, Сербия.
Условия:
— Оплачиваемая стажировка на полный рабочий день с гибкостью в связи с учебой.
— Наставничество и поддержка от опытных разработчиков игр, помощь в развитии карьеры.
— Коллаборативная среда, основанная на прозрачности, доверии и командной работе.
— Обеды, закуски, напитки, доступ в спортзал, организованные спортивные мероприятия, эргономичные рабочие места и современное техническое оборудование.
— Доступ к игровой комнате для детей, музыкальному уголку, настольным играм, видеоиграм и последним игровым консолям.
— Возможность внести вклад в игры, которыми пользуются миллионы пользователей.
Задачи:
— Классический ML на табличных данных: бустинги (CatBoost/XGBoost/LightGBM), feature engineering, работа с признаками и метриками, валидация
— Работа с Python и SQL на продовом уровне (не только ноутбуки)
— Понимание статистики, умение обосновать выбор модели и метрики
Плюсом будет:
— Опыт в графовом ML: GNN, graph embeddings, link prediction, PyG/DGL/NetworkX
— Опыт в смежных направлениях: сетевой анализ, антифрод, рекомендации, маршрутизация
— Работа с пространственными данными: OSM, PostGIS, H3/geohash, дорожные графы
Задачи:
— Управление командой из 4–6 человек: постановка масштабных целей, декомпозиция их в задачи, координация со смежными командами, контроль процесса от постановки задачи до внедрения в продакшен.
— Обучение моделей и работа с данными: превращение данных, размеченных с помощью LLM, в датасеты для ML-моделей ранжирования, создание корпусов синтетических данных, дообучение открытых и внутренних LLM.
— Создание пайплайнов для оценки обученных моделей, обеспечение многосторонней оценки моделей, работающих в продуктах с миллионами пользователей.
Требования:
— Опыт управления командой ML/DL-разработчиков.
— Опыт обучения DL-моделей и их внедрения в продакшен.
— Готовность работать руками, создавать прототипы и проверять гипотезы.
Будет плюсом:
— Опыт работы с высоконагруженными системами и создания моделей для них.
— Опыт работы в кросс-функциональных командах.
Условия:
— ДМС с регулярными чекапами и вакцинацией.
— Другие бонусы, полный список доступен по ссылке.
Задачи:
— исследовать и разрабатывать торговые стратегии для DeFi и крипторынков: от гипотезы и анализа данных до бэктестинга, валидации и оценки результата стратегии
— Quant/ML research и разработка торговых стратегий для DeFi и крипторынков
— применять ML/DL-подходы для маркет-мейкинга, forecasting, управления позициями и смежных задач
— разрабатывать стратегии дельта-нейтрального хеджирования и управления рисками
— проводить бэктестинг и использовать симуляционные среды на крипто-данных: order book, trades
— анализировать рыночные данные и улучшать алгоритмы по результатам реального исполнения
Требования:
— senior-уровень в Quant/ML research, systematic trading, HFT/prop trading, market microstructure или смежных задачах
— участие в полном цикле ресерча: гипотеза > данные > модель/логика > бэктестинг > валидация и анализ результата
— понимание временных рядов, OOS-проверки, future leakage и торговой экономики
— знание Supervised Learning, статистического анализа, оптимизации моделей
— уверенный Python; PyTorch, Scikit-Learn, CatBoost, XGBoost, Optuna
— опыт доведения стратегий до реального исполнения или PnL-оценки
— опыт работы с order book и trades
— автономность в постановке гипотез и доведении их до результата
— владение русским языком для общения в команде
Будет плюсом:
— Reinforcement Learning
— опыт на Rust или low-latency engineering
— опыт в трейдинге, маркет-мейкинге, low-latency крипте
— опыт в квант-фондах, HFT, prop trading, банковских квант-командах
— опыт с DeFi, DEX/CEX, AMM/LP, perpetuals, funding, cross-venue arbitrage
— активное использование AI-инструментов
Условия:
— фиксированная зарплата в стейблкоинах (USDT/USDC, 1:1 к доллару)
— квартальный profit sharing от результатов стратегий
— оплачиваемый отпуск
— компания оплачивает AI-подписки
Задачи:
– Разработка и рефакторинг ETL/ELT пайплайнов на pyspark;
– Разработка и поддержка OLAP движков Starrocks/Clickhouse;
– Поддержка текущих пайплайнов на Greenplum и Hadoop;
– Миграция с HDFS на S3;
– Оптимизация spark-приложений.
Требования:
– Опыт работы с Python от 3 лет;
– Глубокое знание SQL и опыт работы с большими данными;
– Опыт работы с Apache Airflow;
– Опыт проектирования и разработки ETL/ELT процессов;
– Опыт работы с колоночными БД (ClickHouse);
– Знание принципов построения Data Warehouse и Data Lake;
– Понимание разницы между OLTP/OLAP системами;
– Уверенная работа c linux и git;
– Понимание процессов ci/cd.
Задачи и требования:
— Классический ML на табличных данных: бустинги (CatBoost/XGBoost/LightGBM), feature engineering, работа с признаками и метриками, валидация
— Python и SQL на продвинутом уровне (не только ноутбуки)
— Понимание статистики, умение обосновать выбор модели и метрики
Плюсом будет:
— Опыт в графовом ML: GNN, graph embeddings, link prediction, PyG/DGL/NetworkX
— Опыт в смежных направлениях: сетевой анализ, антифрод, рекомендации, маршрутизация
— Работа с пространственными данными: OSM, PostGIS, H3/geohash, дорожные графы