Задачи:
— Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем.
— Проектировать таблицы хранилища: сущности, связи, правила преобразования.
— Встраивать псевдоанонимизацию и проверки качества в потоки данных.
— Готовить признаки и версионируемые train/validation/test-выборки.
— Обеспечивать прослеживаемость и воспроизводимость ML / LLM-экспериментов.
— Вместе с ML-командой развивать оценку моделей, подготовку данных для RAG и дообучения.
Требования:
— Уверенные Python и SQL, поддерживаемый код за пределами ноутбуков.
— Практический опыт ETL / ELT: оркестрация, инкрементальная обработка, повторные запуски.
— Опыт с S3, Parquet, pandas / Polars / PyArrow.
— Понимание жизненного цикла ML: выборки, baseline, метрики, проверка утечек.
— Опыт с MLflow, ClearML или аналогами.
— Linux, Git, Docker, CI/CD.
— Умение работать с чувствительными данными.
Условия:
— Занятость: full-time
— Формат работы: гибридный / удаленный по РФ
Задачи:
— Анализировать продуктовые и веб-данные, развивать внутреннюю систему аналитики и помогать командам продукта и бизнеса принимать решения на основе данных.
— Обработка входящих аналитических задач от команд и оценка возможностей их решения с помощью внутренней системы аналитики.
— Анализ и развитие существующих метрик и функционала системы аналитики.
— Подготовка требований к новым метрикам, функционалу и BI-дашбордам.
— Анализ данных и поиск причин отклонений ключевых показателей.
— Написание SQL-запросов, подготовка выгрузок и проведение ad hoc-аналитики.
— Работа с продуктовыми воронками, бизнес-метриками и пользовательским поведением.
— Поддержка и развитие существующих дашбордов.
— Документирование результатов анализа и взаимодействие с командами продукта, маркетинга и разработки.
Требования:
— Опыт работы в аналитике от 3 лет в продуктовой или маркетинговой сфере.
— Уверенное владение SQL, опыт работы с ClickHouse / PostgreSQL.
— Опыт работы с BI-системами: Tableau / Metabase.
— Опыт работы с системами веб-аналитики: GA4, Яндекс.Метрика, Amplitude; понимание работы с сырыми данными.
— Понимание продуктовых и бизнес-метрик, воронок и фреймворка AARRR.
— Опыт взаимодействия с несколькими командами и стейкхолдерами.
— Умение самостоятельно вести несколько аналитических задач и доводить их до результата.
Будет плюсом:
— Опыт работы в iGaming / betting / affiliate / traffic / fintech.
— Знание Python (pandas, matplotlib).
— Опыт работы с Grafana / Superset.
— Опыт работы с A/B-тестами, heatmaps и session recordings.
— Понимание SEO и webhook-интеграций.
Условия:
— Уровень дохода обсуждается на собеседовании.
— Официальное оформление по ТК Кипра.
— Офисный формат работы (г. Лимассол).
— Гибкое начало рабочего дня — с 08:00 до 11:00.
— График работы: понедельник–пятница, 8-часовой рабочий день + 30 минут на обед.
— Оплачиваемый отпуск 21 рабочий день + 4 дополнительных day off в течение года.
— Завтраки и обеды в офисе за счет компании.
— Релокационный пакет и визовая поддержка.
— 50% компенсация изучения английского языка.
— Оплата профессионального обучения.
— Внутренние митапы и участие в профильных конференциях.
— Образовательные, спортивные и развлекательные мероприятия.
— Возможности профессионального и карьерного роста внутри компании.
Задачи:
— обработка Excel, PDF и сканов;
— извлечение и нормализация данных;
— сопоставление данных и поиск расхождений;
— интеграция OCR и Document AI;
— использование LLM для интерпретации данных;
— разработка backend/API;
— участие в архитектуре MVP;
— работа с обезличенными финансовыми документами.
Требования:
— Python от 3 лет;
— pandas, Excel/CSV;
— парсинг PDF;
— backend и REST API;
— алгоритмы matching, нормализации и очистки данных;
— Git;
— умение самостоятельно проектировать решения.
Будет плюсом: OCR, PyMuPDF, pdfplumber, Camelot, Tabula, fuzzy matching, Document AI, OpenAI/Azure OpenAI/YandexGPT, reconciliation, On-Premise.
Удалённоmiddle
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Чем предстоит заниматься Подключать API Wildberries, Ozon, Lamoda и МоегоСклада и настраивать автоматическую ежедневную загрузку данных. Собрать единый справочник товаров: артикулы маркетплейсов, баркоды, себестоимость.
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.
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.
🔭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.
— Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. — Проектировать таблицы хранилища: сущности, связи, правила преобразования.
• 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.
Ищем Python-разработчика / AI Engineer уровня Middle+ / Senior на проект по автоматизации обработки и сверки финансовых документов.
Проект связан с разработкой сервиса, который будет принимать акты сверки и внутренние выгрузки, извлекать из них данные, сопоставлять документы, находить расхождения и формировать понятный результат для пользователя.
Задачи:
— Разбирать и обрабатывать документы в форматах Excel, PDF и сканы.
— Извлекать табличные данные из документов.
— Нормализовать даты, номера документов, суммы и другие поля.
— Проектировать и реализовывать логику сопоставления данных.
— Выявлять расхождения между двумя источниками.
— Обрабатывать сложные кейсы: разные периоды, отличающиеся номера, частичные совпадения и другие неоднозначные ситуации.
— Интегрировать OCR и Document AI-инструменты.
— При необходимости использовать LLM для интерпретации и формирования человекочитаемых объяснений.
— Разрабатывать backend/API для сервиса.
— Участвовать в проектировании архитектуры MVP.
— Работать с реальными обезличенными финансовыми документами и тестировать качество решения на исторических данных.
Требования:
— Коммерческий опыт разработки на Python от 3 лет.
— Уверенное владение Python.
— Опыт работы с pandas и табличными данными.
— Опыт обработки Excel / CSV.
— Опыт парсинга PDF.
— Опыт разработки backend-сервисов и REST API.
— Понимание алгоритмов сопоставления, нормализации и очистки данных.
— Умение проектировать решение самостоятельно, а не только работать по готовому ТЗ.
— Опыт работы с Git.
Будет большим плюсом:
— Опыт с OCR: Tesseract, PaddleOCR или аналогами.
— Опыт с PyMuPDF, pdfplumber, Camelot, Tabula.
— Опыт с fuzzy matching.
— Опыт работы с Document AI / Intelligent Document Processing.
— Интеграция LLM API: OpenAI, Azure OpenAI, YandexGPT или аналогов.
— Опыт разработки систем reconciliation / data matching.
— Опыт работы с финансовыми, бухгалтерскими или другими структурированными документами.
— Опыт On-Premise решений.
— Опыт построения решений, где нужно сочетать детерминированную бизнес-логику и AI.
Что здесь не требуется:
— Мы не ищем классического Data Scientist и не планируем обучение собственных ML-моделей с нуля.
В проекте важнее:
— сильная прикладная Python-разработка;
— работа с документами и данными;
— построение надежной логики сопоставления;
— понимание, где действительно нужен AI, а где лучше использовать обычные алгоритмы.
О проекте:
— На первом этапе планируется разработка MVP без глубокой интеграции с внутренними учетными системами.
— Базовый сценарий: пользователь загружает акт сверки и внутреннюю выгрузку, система извлекает и нормализует данные, выполняет сопоставление, показывает совпадения и расхождения, формирует структурированный результат для пользователя.
— Ожидаемый результат — рабочий прототип, который можно проверить на реальных исторических данных.
Условия:
— Удалённая работа.
— Проектная занятость / аутстафф.
— Возможна полная или частичная загрузка — обсуждается индивидуально.
— Проект стартует с этапа MVP, с возможностью продолжения.
— Работа в составе небольшой проектной команды.
Ожидаемый уровень: Middle+ / Senior
Нам нужен специалист, который сможет самостоятельно разобраться в предметной области, предложить техническое решение и довести его до рабочего результата.
Будет преимуществом в отклике:
— опыт похожих задач: обработка документов, OCR, reconciliation / matching, financial data processing, Document AI, LLM-интеграции.
— указание текущей доступности, возможной загрузки в часах в месяц, часовой ставки, формата работы (ИП / самозанятый / другой).