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
разработка, тестирование и внедрение ИИ-агентов (в том числе LLM-as-a-Judge) и классических ML-моделей для оценки качества, детекции аномалий, прогнозирования деградации и автоматической локализации причин сбоев. исследование и внедрение новых подходов в области настройки LLM, LLM-as-a-Judge и RAG, чтобы сделать мониторинг точнее, стабильнее и понятнее.
ГибридseniorМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
работать с таргетами, полученными из анкет и интервью с помощью экспертной и LLM-разметки. подбирать постановку задачи в зависимости от объема и качества данных: supervised learning, weak supervision, few-shot и другие подходы.
Сопровождение ML-решений (мониторинг сервисов и моделей, отслеживание дрейфа данных, работа над развитием); Оценка влияния на бизнес предложенных решений;
О нас за минуту
DV Group — это eRetail маркетинг. У нас две собственные платформы:
CDP (DV Platform) — сегментирует покупателей по чековым данным, MAID, строит Sales Lift.
DSP (DV Programmatic) — закупает трафик в RTB с таргетингом на реальных онлайн-покупателей (не на интересы). Уникальная интеграция с ПБД.
Что предстоит делать
Разработка и внедрение ML-моделей
Анализ больших объемов данных
Построение recommendation / prediction моделей
Подготовка и очистка данных
Проведение A/B тестов
Написание сложных запросов ClickHouse и их оптимизация
Взаимодействие с frontend-разработчиками, backend-разработчиками, аналитиками, product-менеджером и DevOps
Кто нам нужен
Python, SQL, Spark, ClickHouse
pandas, numpy, scikit-learn
Опыт работы с ML-моделями
Работа с оркестраторами (Dagster, Airflow) и Kubernetes
Понимание статистики и теории вероятностей
Способность разрабатывать надежные ETL пайплайны
Что предлагаем
Зарплата:
200 000 – 220 000 ₽ оклад net + годовая премия
Формат:
гибрид или полная удалёнка, но ты проживаешь в РФ
График:
10:00–19:00
ДМС
со стоматологией после испытательного срока, локация Москва
Свой
бариста
в офисе и правда классный
Экспертная среда
— никакой скуки, только реальные AdTech-задачи и возможность влиять на продукт
Продукт в
реестре отечественного ПО
— это важно для нас и для клиентов.
-Разработка генеративных ИИ-моделей для синтеза визуального и проектного контента на основе структурированных данных товарного каталога в рамках проверки гипотез (PoC) внутри корпоративной платформы по оценке ИИ-инициатив. -Построение системы метрик: разработка офлайн- и онлайн-показателей, кросс-валидация, прямая оценка бизнес-эффекта.
🔭Чем у нас занимаются стажеры? - Сразу после этого получают свою первую настоящую боевую задачку (и НЕ страдают, так как ментор всегда под рукой) на дизайн или оценку будущего эксперимента.
• 2–3+ years of experience as a BI Analyst, Data Analyst, or in a similar analytical role. • Strong hands-on experience working with SQL-based data warehouses, particularly Google BigQuery.
Задачи:
— сбор, анализ и формализация бизнес- и технических требований к VoIP-продуктам
— проработка и согласование решений с архитекторами, разработчиками, QA и продуктовыми менеджерами
— подготовка и ведение технической и пользовательской документаций (ТЗ, описание интеграций, API)
— проектирование и описание интеграций между системами, участие в проектировании архитектуры сервисов
— контроль реализации требований на всех этапах жизненного цикла разработки
— участие в приемо-сдаточных испытаниях продукта.
Требования:
— опыт работы системным/бизнес-аналитиком в IT от 2 лет
— понимание принципов работы VoIP, протоколов (SIP, RTP, WebRTC), телефонии
— опыт работы с REST API, JSON, XML
— опыт работы с UML (диаграммы последовательностей, классов и др.)
— понимание принципов микросервисной и монолитной архитектуры, синхронного и асинхронного взаимодействия
— навыки декомпозиции требований, управления приоритетами
— опыт написания технической и пользовательской документаций
— высокий уровень коммуникативных навыков, умение работать в команде
Будет плюсом:
— опыт работы с Python, NumPy, Pandas
— понимание основ AI, LLM, ML, опыт работы с AI моделями, агентами.
Условия:
— локация: Москва, м.Кожуховская (БЦ "Южный порт")
— конкурентная заработная плата: оклад + годовая премия и ежегодный пересмотр зарплаты
— график работы – 4 дня офис / 1 удалённо
— масштабные и интересные задачи в Agile-команде
— социальный пакет: ДМС, страхование, льготное кредитование
— бесплатный тренажерный зал и спортивные групповые занятия, бассейн
— более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
— бесплатная подписка СберПрайм для сотрудников с возможностью подключить близких
— профессиональный и позитивный коллектив.
Уверенное владение SQL (сложные запросы, оконные функции, JOIN-ы, агрегации) и Python (библиотеки Pandas, NumPy, матплотлиб/сиборн). Опыт анализа моделей данных и источников данных.
Разработка и внедрение ML-моделей прогнозирования спроса (временные ряды + градиентный бустинг + нейросети) на уровне SKU; Автоматизация пайплайнов ретрайна и мониторинга качества прогнозов в продакшене (MLflow, Airflow, Docker);
Задачи:
— масштабировать A/B-тестирование: гипотезы, дизайн, приоритизация, запуск и анализ экспериментов
— рассчитывать метрики, sample size и длительность тестов, контролировать рандомизацию и статистическую корректность
— настраивать и мониторить эксперименты, проводить QA и взаимодействовать с продуктом, разработкой и QA
— анализировать результаты и сегменты, применять sequential testing, переводить выводы на бизнес-язык
— развивать data pipelines, ETL/ELT и единый слой метрик для экспериментов
— контролировать качество данных и оценивать их влияние на бизнес-метрики и статистическую достоверность
— проводить sensitivity analysis и оптимизировать сбор данных без потери качества результатов
— разрабатывать self-service инструменты для запуска и анализа экспериментов
— автоматизировать аналитику с помощью LLM: SQL, отчёты, первичный анализ результатов
— развивать документацию, стандарты и best practices по experimentation
Требования:
— от 2 лет опыта в A/B-тестировании — полный цикл от гипотезы до интерпретации результатов
— практический опыт масштабирования experimentation-программ
— хорошее понимание p-value, доверительных интервалов, статистической мощности, sample size
— опыт работы с ratio-метриками: AOV, ARPPU, conversion rate и др.
— знание методов анализа ratio-метрик: линеаризация, bootstrap
— понимание рисков peeking и multiple testing, знание sequential testing
— продвинутый SQL: оконные функции, сложные JOIN, агрегации на больших объёмах данных
— Python для анализа данных и автоматизации: pandas, numpy, scipy / statsmodels
— понимание архитектуры ETL/ELT и data pipelines, принципов построения витрин и контроля качества данных
— опыт оценки влияния объёма и качества данных на бизнес-метрики и статистическую достоверность экспериментов
— опыт применения sensitivity analysis для оценки ценности отдельных сессий и событий
— опыт работы с платформами экспериментов: Optimizely, SiteSpect или внутренними решениями
— опыт работы с product analytics: GA4, Amplitude, Mixpanel
— понимание архитектуры сбора и обработки экспериментальных данных
Будет плюсом:
— опыт автоматизации аналитических задач с помощью LLM и AI-агентов (генерация SQL, первичный разбор результатов)
— навыки разработки self-service инструментов для продуктовых команд
— опыт создания internal experimentation platform: хранение метаданных, расчёт метрик, логика сегментации
— знание особенностей mobile app testing и ограничений in-app экспериментов
— опыт работы с персонализацией: Dynamic Yield, Nosto
Задачи:
— Оценивать эффективность CVM-кампаний (SMS, push/МП, баннеры, CRM) и готовить регулярную отчётность.
— Анализировать отток B2C и удержание абонентов.
— Создавать дашборды в Apache Superset и формировать требования к витринам данных.
— Участвовать в совместных пилотах с подразделениями Банка.
— Готовить и проверять целевые сегменты под запуски кампаний.
— Рассчитывать объёмы, доставку и конверсии, сравнивать с бенчмарками, делать выводы и рекомендации.
— Вести регулярные отчёты и дашборды, контролировать качество данных.
— Анализировать отток: когорты, профили сегментов риска, готовить материалы для руководства.
— Проверять гипотезы и разрабатывать дизайн пилотов.
— Автоматизировать выгрузки и расчёты, документировать методики.
Требования:
— Уверенное владение SQL: оконные функции, сложные соединения, оптимизация запросов.
— Опыт работы с Oracle будет преимуществом.
— Владение Python: библиотеки pandas, numpy, scipy/statsmodels; Jupyter.
— Знание математической статистики: A/B-тесты, контрольные группы, значимость, когортный анализ.
— Опыт работы с системами бизнес-аналитики: Apache Superset, Power BI или Tableau.
— Умение превращать расчёт в вывод и рекомендацию для бизнеса, готовить презентации.
— Самостоятельность и умение довести задачу до результата без пошагового контроля.
— Критичность к данным: проверяет цифры и методику, прежде чем делать выводы.
— Структурное мышление, умение коротко и ясно излагать вывод.
— Ответственность за сроки регулярной отчётности.
— Готовность объяснять расчёты коллегам и заказчикам.
— Опыт в телеком-отрасли или банке, понимание метрик оттока, MNP, ARPU, CLTV будет преимуществом.
— Опыт постановки задач разработке и приёмки витрин данных будет преимуществом.
— Внимательность к деталям и критичность к данным.
— Коммуникабельность и умение объяснять сложные вещи простым языком.
Условия:
— Гибридный график работы 5/2 с 9.00, 9.30 или 10.00, в пятницу сокращенный рабочий день на 1 час 15 минут.
— Официальная заработная плата обсуждается с успешными кандидатами на собеседовании.
— Испытательный срок 3 месяца.
— Льготная ипотека после 6 месяцев работы.
— ДМС со стоматологией + НС с возможностью подключить родственников и гибкой настройкой услуг после испытательного срока.
— Компенсации (фитнес, английский, участие в спортивных мероприятиях, мат.помощь, обучение).
— Корпоративная пенсионная программа.
— 100% скидка на связь СберМобайл.
— Комфортный офис рядом с метро Белорусская.