ОБЗОР ПОЗИЦИИ И ПРОДУКТА:
Мы строим Customer Intelligence & Personalization Platform для экосистемы бизнесов в Армении на основе Golden Record (единый профиль клиента).
Вам предстоит спроектировать слой между сырыми данными core banking системы и витринами платформы.
Главный вызов — реверс-инжиниринг слабо документированного источника, восстановление бизнес-смысла данных и создание осознанной модели для Customer 360, сегментации и скоринга.
Мы используем AI-native подход и ожидаем того же от кандидата (применение AI для разбора legacy, написания SQL и документации).
Задачи:
• Исследовать core banking систему, legacy- и внешние источники, восстанавливать их семантику;
• Идти от целевой витрины к источнику: определять таблицы и логику сбора атрибутов;
• Разделять случаи, когда одинаковые данные получены разными путями, фиксировать правила выбора;
• Описывать модель данных и метаданные (сущности, связи, grain, ключи, историчность);
• Формировать требования к витринам для сегментации, scoring и рекомендаций;
• Писать SQL-исследования, прототипы трансформаций и проверять гипотезы;
• Выяснять смысл данных напрямую у сотрудников банка.
Требования:
• Сильный SQL (оконные функции, сложные join-цепочки, анализ качества и распределений);
• Опыт реверс-инжиниринга плохо документированных источников;
• Опыт работы с банковскими / fintech-данными (Core banking, ArmSoft, legacy системы) и построения Customer 360;
• Понимание data modelling (сущности, grain, ключи, историчность, master entities);
• Уверенное владение Python на уровне исследования данных;
• Владение Git, Linux, опыт работы в закрытых Dev/UAT-контурах;
• Использование AI-инструментов для анализа схем и написания кода;
• Проактивность и самостоятельность в доведении задач от «сырья» до целевой витрины (отлично подойдет бэкграунд дата-инженера с опытом работы с сырыми источниками).
Будет плюсом:
• Знание армянского языка;
• Методологии матчинга и дедупликации;
• Опыт с Data Vault 2.0, DBT (или аналоги);
• Понимание PII, маскирования, RBAC;
• Опыт работы в регулируемом on-premise контуре;
• Экспертиза в ML, ML Ops.
Условия:
• Взаимодействие по договору ИП;
• Гибридный формат работы в Армении (готовность работать из офиса банка до 3 раз в неделю).
В роли предстоит заниматься тестированием DWH, проверкой качества и корректности данных, валидацией преобразований source-to-target, регрессионным тестированием и автоматизацией проверок на Python.
Задачи:
— развитие и тюнинг моделей ранжирования и рекомендаций
— разработка новых ML-решений и feature engineering
— прототипирование и внедрение моделей в production на Python
— работа с обучающими выборками и анализ результатов A/B-тестов
— улучшение продуктовых метрик
Требования:
— опыт внедрения ML-моделей в production
— знание основных методов и алгоритмов ML
— понимание нейросетевых моделей для обработки текста
— уверенный Python (NumPy, SciPy, PyTorch, scikit-learn)
— знание алгоритмов и структур данных
— опыт с A/B-тестами
Условия:
— работа в команде экспертов
— широкий технологический стек, сотни проектов
— гибкий график работы
— льготы и меры господдержки, предусмотренные для IT-компаний (аккредитованы Минцифры)
— возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии
— процессы удаленной работы и просторные офисы с зонами коворкинга
— возможность профессионального роста: стать тимлидом, архитектором, разработчиком full-stack
— развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка
— активный обмен опытом, митапы, хакатоны, доклады по развитию hard и soft skills
— 50+ клубов по интересам и профессиональных сообществ внутри компании
— уютный мерч
— полный соцпакет и «белая» зарплата
— корпоративная база знаний и социальная сеть для общения с 1500+ сотрудниками
Удалённо
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
🕹 Список обязанностей: Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. Проектировать таблицы хранилища: сущности, связи, правила преобразования.
-Проектирование и сопровождение БД: разработка и поддержка объектов базы данных (таблицы, представления, индексы, хранимые процедуры) в среде Greenplum. -Разработка витрин данных: проектирование и расчет показателей для витрин данных под бизнес-задачи с использованием SQL.
Требования:
— 2+ года опыта работы Data Analyst, Data Engineer или Analytics Engineer
— Сильные навыки SQL и опыт работы с PostgreSQL или другими реляционными базами данных
— Опыт построения и поддержки ETL/ELT пайплайнов
— Владение Python для обработки данных и автоматизации
— Понимание моделирования данных и концепций хранилищ данных
— Опыт работы с большими наборами данных и оптимизации запросов
— Свободное владение английским языком
Условия:
— Поддержка релокации
— Полная занятость
— Конкурентная зарплата
— Работа в офисе в Лимассоле
Задачи и подробности не указаны.
О компании OperAI — интерактивная система на базе ИИ для управления операционной деятельностью компании. Цель — создать «второй мозг для CEO», сделать процессы прозрачными и управляемыми, помочь руководителям видеть риски, договорённости и реальное состояние компании. Сейчас запускают пилоты с первыми командами и проверяют продуктовые гипотезы.
Требования:
— Опыт в продуктовой или data-аналитике от 3 лет
— Опыт проектирования архитектуры данных и построения аналитической инфраструктуры с нуля
— Умение создавать модели, схемы и пайплайны для сбора, обработки и хранения структурированных и неструктурированных данных, в том числе с AI
— Практический опыт работы с неструктурированными данными: переписками, расшифровками встреч, документами и корпоративными коммуникациями
— Опыт построения процессов разметки данных: разработка схем разметки, критериев качества и инструкций для разметчиков
— Уверенное владение SQL и Python для анализа и обработки данных
— Понимание ETL/ELT-процессов, требований к качеству данных и принципов Data Governance
— Глубокое понимание принципов работы LLM, embeddings, RAG и AI-агентов
— Умение проектировать метрики и системы оценки AI-функций: точность, полнота, галлюцинации и реальная польза для пользователя
— Готовность брать на себя ответственность и строить аналитическую функцию продукта с нуля
Задачи:
— Проектировать систему внутренней аналитики
— Проектировать структуру хранения данных: события, встречи, задачи, решения, коммуникации и связи между ними
— Помогать формировать единую модель данных для AI-функций продукта
— Оценивать качество работы LLM: точность извлечения фактов, полноту, галлюцинации и полезность результатов
— Разрабатывать подходы к разметке данных и созданию датасетов для тестирования AI-системы
— Участвовать в проектировании AI-пайплайнов, RAG, embeddings и систем поиска по корпоративным данным
— Находить закономерности в операционных процессах клиентов и превращать их в продуктовые решения
— Определять ключевые продуктовые метрики и строить дашборды для команды и фаундеров
— Анализировать поведение пользователей, пилотные запуски и продуктовые гипотезы
— Вместе с разработчиками улучшать качество, наблюдаемость и надёжность продукта
Будет большим плюсом:
— Опыт проектирования архитектуры AI- или ML-систем
— Работа с LLM API, векторными базами, LangChain/LangGraph или аналогичными инструментами
— Опыт построения систем мониторинга и оценки качества LLM
— Понимание операционной деятельности компаний: задач, встреч, решений, ответственности, сроков и отчётности
— Опыт работы с BI-инструментами и продуктовыми системами аналитики
— Опыт в B2B SaaS, стартапах или продуктах для руководителей и команд
— Опыт взаимодействия с data engineering, ML и backend-командами
Условия:
— Equity-модель компенсации на начальном этапе — опцион
— Возможность с нуля построить аналитику AI-продукта
— Высокое влияние на архитектуру, продуктовые решения и развитие компании
— Прямая работа с фаундерами
— Пилотные клиенты и реальные данные для проверки гипотез
— Гибкий формат работы и быстрый цикл принятия решений
— Возможность вырасти в Head of Data / AI Analytics по мере развития проекта
В команду проекта по развитию и тестированию хранилища данных ищем QA-инженера. В роли предстоит заниматься тестированием DWH, проверкой качества и корректности данных, валидацией преобразований source-to-target, регрессионным тестированием и автоматизацией проверок на Python.
Предстоит: Работать с профессиональными базами данных и хранилищами данных, разрабатывать и оптимизировать SQL-запросы; Использовать Python для анализа данных, автоматизации процессов и решения прикладных задач;
As a Principal Infrastructure Architect on our Infrastructure Architecture team, you will be the architecture team's partner to ZoomInfo's data engineering organization. You bring the infrastructure patterns, evaluation rigor, and cross-team alignment that help them build and run those platforms well on GCP.
Задачи:
— Разрабатывать и поддерживать ML-модели полного цикла — онбординговые и транзакционные — на кредитных продуктах Ozon Банка;
— Анализировать большие объёмы данных для обнаружения аномалий и паттернов мошенничества;
— Участвовать в развитии графовой аналитики антифрода — R&D и прикладное использование;
— Настраивать мониторинг продакшн-моделей: алерты, анализ дрейфа, реакция на инциденты, процессы;
— Интегрировать внешние источники скоров (телеком, БКИ и т.п.) — от оценки экономики поставщика до организации ретро и коммуникации с закупками и юристами;
— Работать напрямую с заказчиками, доводить задачи до измеримого результата и экономического эффекта;
— Участвовать в создании реалтайм ML-сервисов и правил-эвристик;
— Автоматизировать процессы обработки и анализа данных.
Требования:
— Опыт работы в Data Science от 3 лет, из них минимум 1-2 года в антифроде, кредитном скоринге или близких задачах — в банке или финтехе;
— Уверенное владение Python и библиотеками для анализа данных и машинного обучения;
— Глубокое понимание алгоритмов машинного обучения и опыт их применения на практике;
— Полный жизненный цикл ML — от фича-инжиниринга до деплоя и мониторинга в проде;
— Опыт с MLflow или аналогом;
— Отличные знания SQL, умение писать сложные запросы, включая оконные функции;
— Опыт работы с большими данными — ClickHouse / Vertica / Spark / Hadoop;
— Бизнес-ориентированность — умение считать экономический эффект модели и объяснять заказчику технические метрики на языке бизнеса;
— Самостоятельность в проектах — способность взять кейс с нуля и довести до прода без постоянного контроля;
— Умение работать с данными и видеть закономерности и людей за ними;
— Навыки работы с инструментами визуализации данных;
— Гибкость и умение быстро переключаться между задачами.
Будет плюсом:
— Опыт построения realtime-моделей и их интеграции в продукты;
— Опыт с графовыми методами и графовыми БД;
— Опыт интеграции и переговоров с внешними поставщиками скоров;
— Опыт наставничества и менторинга младших сотрудников;
— Знание регуляторики ЦБ в части антифрода.
Задачи:
— Реализация полного цикла разработки моделей и ML-решений: от постановки задачи до передачи на внедрение и мониторинг
— Генерация ML-решений для задач бизнеса, формирование бизнес-требований моделей и технических заданий для смежных команд
— Выполнение проектных задач в установленные сроки
— Подготовка отчетов, технических заданий для MLOps и Data Engineering, поиск данных
Требования:
— Опыт работы с ML в банковском, финансовом, телекоммуникационном или ритейл секторе от 5 лет
— Уверенное владение Python, PySpark и глубокое знание алгоритмов машинного и глубокого обучения
— Способность поддерживать full-stack разработку: от сбора требований до реализации, документации и мониторинга
— Развитые soft-skills и опыт написания технических заданий, бизнес-требований и проектной документации
— Высшее техническое, финансово-математическое или экономическое образование
Условия:
— Удаленный формат работы
— Официальное оформление в штат компании Selecty
— Конкурентный оклад и дополнительное медицинское страхование с стоматологией
Задачи:
— глубокий анализ данных для построения и калибровки моделей
— опыт построения uplift-моделей и кривых отклика для оптимизации процентных ставок
— разработка моделей оценки эластичности спроса на кредит по ставке
— разработка, обучение и валидация продвинутых ML-моделей для индивидуального ценообразования (регрессионные модели, градиентный бустинг, методы обучения с подкреплением / Reinforcement Learning для динамического ценообразования)
— анализ и интерпретация результатов A/B-тестов ценовых стратегий, оценка их бизнес-эффекта (влияние на выручку, маржу, конверсию, LTV)
— построение и оптимизация симуляционных сред для предварительной оценки эффекта ценовых изменений.
Требования:
— глубокое знание и практический опыт (от 3 лет) применения методов машинного обучения и анализа данных для решения бизнес-задач, желательно в области ценообразования, экономики или финтеха
— продвинутый уровень знаний в области статистики, эконометрики и методологии проведения A/B-тестов
— понимание принципов микроэкономики и теории цен
— опыт разработки и внедрения в production моделей, напрямую влияющих на финансовые метрики (выручка, маржа)
— продвинутые знания SQL и Python для анализа данных и ML
— опыт работы с Python ML-фреймворками (Scikit-Learn, LightGBM/CatBoost/XGBoost, PyTorch/TensorFlow, библиотеки для RL), Spark (PySpark), опыт работы с базами данных (GreenPlum, PostgreSQL, ClickHouse)
— будет плюсом: опыт построения систем динамического ценообразования (dynamic pricing) или моделей на основе обучения с подкреплением (Reinforcement Learning).
Условия:
— комфортный современный офис рядом с м. Кутузовская
— офисный формат работы
— ежегодный пересмотр зарплаты, квартальная и годовая премия
— корпоративный спортзал и зоны отдыха
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— программа адаптации и помощь руководителя на старте
— расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
— гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
— подписка Прайм с возможностью совместного использования на трёх близких
— вознаграждение за рекомендацию друзей в команду Сбера.
Задачи:
— разработка классических LLM агентов
— разработка tools для агентов, а также skills-инструкций для LLM
— воспроизведение основных паттернов разработки в продуктовой парадигме
— участие в обсуждении требований с бизнес-заказчиками
— контроль качества agent-pipeline
— декомпозиция верхнеуровневых задач на исполнимые в рамках разработки
— вывод в production llm-приложений, agent'ских систем.
Требования:
— знания в области: математических анализ, линейная алгебра, Deep Learning, Classic ML, Python (async, fastapi, Semaphore)
— высшее образование (МГУ, Физтех, ВШЭ, РЭШ и тд)
— понимание построенных целевых решений, предложения по внесению изменений в архитектуру
— опыт работы в open-source LLM (GLM5.2, qwen 3.5, etc)
— знание фреймворков LangChain, LangGraph, fastapi, huggingface, а также regex и иных библиотек по обработке текста
— vanilla RAG, Advanced RAG, работа с контекстом llm
— базовое знание принципов промышленной разработки на python (SOLID, Singleton)
— базовый MLops (работа с version control, CI/CD)
Будет плюсом:
— опыт работы с openclaw, его форками
— использование llm GigaChat, Kandinsky
— опыт работы в финтехе
— опыт использования и доработки OCR.
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