Data Science Jobs

Вакансия: ML-инженер (LLM / Python) Мы в поиске Senior / Middle+ ML-инженера на аналитический проект. Работа в офисе (Москва), оффлайн-контур (Air-Gapped). Мощнейшее железо: Mac Studio 512GB + Ubuntu (NVIDIA RTX PRO 6000 96GB). Обязательные требования: • Python, vLLM, Ollama, llama.cpp. • Опыт локального развертывания LLM-моделей (Llama-3, Qwen) и работы с форматами GGUF / FP8 / AWQ. Будет плюсом: • Опыт дообучения (Fine-Tuning, LoRA, QLoRA) и построения RAG-систем (ChromaDB / Qdrant). • Умение писать парсеры (Selenium, Playwright). Формат работы: офис / гибрид (Москва) Есть тестовое задание, для его выполнения необходимо подъехать в офис. Оплата: кэш/крипта, выше рынка. Узнать подробности и отправить резюме: @konoovylinkaa

#вакансия #Senior_PostgreSQL_Engineer #Database_Reliability_Engineer #Data_Engineer Компания: Chrona (в рамках партнерского сотрудничества) Формат работы: Гибрид (Минск)(рассматриваем кандидатов готоых к переезду в РБ) ЗП: $5 000 – 8000 gross Мы создаем передовые технологии для автоматизации глобального рынка рекрутмента (AdTech). Наша платформа — это высоконагруженная экосистема, через которую проходят сотни миллионов долларов рекламных бюджетов. Сердце нашего продукта — 5–6 кластеров PostgreSQL объемом десятки терабайт (самая большая база — до 30 ТБ) в облаке AWS. Ищем Senior PostgreSQL DBA / DRE, который хочет выйти за рамки традиционного администрирования баз данных и расти в направлении Data Engineering. 🧩 Твоя зона ответственности Эксплуатация и тюнинг СУБД: Полный контроль над состоянием, профилированием и оптимизацией PostgreSQL под конфигурацию серверов в AWS; Отказоустойчивость и HA/DR: Настройка и сопровождение репликации, Patroni, PgBouncer, бэкапирования и катастрофоустойчивости; Проактивный мониторинг: Поиск медленных запросов (pg_stat_statements, анализ планов выполнение), оптимизация индексов и проактивная помощь разработчикам; Развитие в Data Engineering: Участие в построении ETL-пайплайнов и работа со смежным стеком данных по мере погружения в проект (до 60% задач в перспективе); Автоматизация: Написание скриптов для сбора метрик, диагностики и обслуживающих процессов (Python/Bash). ❇️ Что важно для нас Опыт от 5 лет в роли экспертного PostgreSQL DBA в высоконагруженных продакшн-средах; Понимание PostgreSQL «под капотом»: процессы, память, WAL, блокировки, тонкая настройка autovacuum под High-Load; Практический опыт работы с отказоустойчивыми связками (Patroni, PgBouncer, потоковая репликация); Опыт работы с PostgreSQL в облачной инфраструктуре (AWS EC2 / RDS); Желание развиваться в области Data Engineering (ETL, пайплайн-инструменты); Английский язык от B2 / Upper-Intermediate для устного общения. ✅ Будет плюсом Опыт работы с инструментами Data Engineering (Airflow, Python-пайплайны); Навыки программирования на C; Опыт проведения миграций и мажорных апгрейдов больших баз данных. ✳️ Что мы предлагаем Достойный оклад ($6000–9000); Уникальную возможность освоить Data Engineering на реальных больших данных с поддержкой сильного ментора; Стабильный и технически зрелый проект без «пожаров» и хаоса; Гибкий график работы и высокую степень инженерной автономии. Контакты: @yul_shuk

#middle #гибрид Лига Цифровой Экономики Python devoloper Опыт работы: 1–3 года Полная занятость График: 5/2 Формат работы: гибрид (Москва) ☑️ Чем предстоит заниматься -Разрабатывать функциональность сервиса на Python -Строить Data Lineage на логическом уровне витрин на основе существующего графа движения данных на табличном уровне -Реализовывать обработку, преобразование и агрегацию связей между объектами данных -Работать с большими объемами данных с использованием PySpark, pandas, SQL -Работать с Hadoop-стеком: HDFS, Spark, Hive -Дорабатывать существующий фреймворк автоматизированного тестирования -Разрабатывать и поддерживать автотесты для создаваемой функциональности -Участвовать в анализе и устранении дефектов ☑️ Наши пожелания к кандидатам -Опыт разработки на Python от 2 лет -Практический опыт работы с PySpark и pandas -Отличное знание SQL -Опыт работы со стеком Hadoop: HDFS, Spark, Hive -Понимание принципов обработки больших объемов данных -Опыт написания автоматизированных тестов на Python -Готовность отвечать за качество разработанной функциональности и ее автоматизированную проверку -Умение разбираться в существующем коде и самостоятельно решать технические задачи -Будет плюсом: -Опыт работы с Data Lineage, Data Governance или Metadata Management -Опыт с Oracle, PostgreSQL, Greenplum -Понимание принципов построения DWH и витрин данных -Опыт работы с графовыми структурами данных -Опыт использования pytest или аналогичных инструментов тестирования Контакты: hr@digitalleague.ru / Telegram @digitalleague Python Job в Telegram | в VK | в Max

One Day Offer: ищем инженера для решения задач по безопасности ИИ-агентов Хочешь работать над крупными проектами и умеешь создавать надёжные системы управления рисками? Приходи 10 октября на экспресс-отбор на позицию Senior DS/ML Engineer для AI Safety в Сбер — все этапы отбора за 1 день. Ты будешь работать на стыке машинного обучения, инженерии и безопасности: ▪️ проектировать архитектуру безопасного ИИ ▪️ выводить guardrails в production ▪️ поддерживать надёжность LLM-систем в enterprise-контексте Чувствуешь, что это твоё? Тогда регистрируйся по ссылке и готовься к встрече с будущими коллегами! 💚

#middle #удаленка Альфа-Банк Middle data scientist (модели ценообразования) Опыт работы: 1–3 года Формат работы: удалённо ☑️ Чем предстоит заниматься -Участие в проекте умного ценообразования банковских продуктов -Полный цикл разработки моделей: сбор и подготовка данных, исследовательский анализ, построение uplift‑моделей, их валидация и оценка -Планирование и анализ A/B‑тестов, оценка бизнес‑эффекта -Продуктивизация: контейнеризация, интеграция в микросервисы, мониторинг качества предсказаний -Сотрудничество с бизнес‑аналитиками, продукт‑менеджерами и инженерами данных -Подготовка и проведение demo с заказчиками -Поддержка и адаптация модели к изменяющимся данным и бизнес‑условиям ☑️ Наши пожелания к кандидатам -Middle DS с опытом разработки полного цикла (uplift модели как преимущество) -Глубокие знания математики и статистики -Опыт работы с библиотеками и фреймворками для машинного обучения -Развитое критическое мышление. Умение формулировать гипотезы и их проверять -Навыки работы в команде и эффективное взаимодействие со смежными специалистами -Способность наглядно и понятно представлять результаты анализа, объяснять сложные вещи простым языком -Умение связывать технические решения с бизнес-задачами, учитывать специфику доменной области Контакты: aponomareva7@alfabank.ru

#middle #удаленка AYROSA Python Developer / AI Engineer (Document Processing) Формат работы: можно удалённо ☑️ Чем предстоит заниматься -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 ☑️ Наши пожелания к кандидатам -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 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 Контакты: hello@ayrosa.dev

Что под капотом у рекомендаций Авито на главной Они решают две задачи: 1️⃣ Показывают пользователю максимально релевантные товары. 2️⃣ Разбавляют выдачу объявлениями, которые могут быть интересны. Качественные товары с адекватной ценой часто разбирают в первые часы. Поэтому важно, чтобы они быстро попадали на главную. Недавно мы поменяли архитектуру рекомендаций — и ускорили их в 18 раз. После этого контакты продавцов с покупателями выросли на 1%, а расход памяти упал в три раза. Но получилось всё это не с первого раза: пришлось пройти несколько итераций. Подробности в статье ↖️

#Вакансия #Analyst #Аналитик #Удаленно #Remote #Vacancy Web Analyst 💼 Компания: ADVelop 📍 Локация: г. Москва 🔰 Формат: удаленно 🌙 Занятость: Полная 💰 ЗП: 150-180 тыс. руб. * Рассматриваем граждан РФ, которые проживают на территории РФ. ADVelop — digital-агентство, обладающее высокой экспертизой в сфере продвижения застройщиков и других категорий клиентов. Мы ищем middle веб-аналитика-исследователя, который умеет не только настраивать аналитику, но и глубоко анализировать данные: находить причины падения конверсий, изучать воронки и поведение пользователей, проводить маркетинговые исследования и готовить отчеты для команды и клиентов. 🎯 Обязанности - Технический аудит и настройка аналитики: — Полный цикл внедрения и проверки систем аналитики и коллтрекинга; — Настройка и проверка работы целей, в частности продвинутые настройки для микроразметки; — Построение сквозной аналитики; — UX/UI-исследования и работа с конверсией: Анализ воронок, поведения пользователей, поиск «узких мест» на сайте; - Маркетинговые исследования: Диагностика причин падения трафика/вовлеченности/конверсии. Умение отделить технические ошибки от рыночных трендов (сезонность, ипотека, ключевая ставка); - Формирование отчетов для клиента/команды: Создание логичных, структурированных отчетов с визуализациями, четкими выводами и измеримыми рекомендациями. Все пункты касаются сервисов Яндекс Метрика, Яндекс Тег Менеджер, Comagic/UIS, Calltouch, Smartis. ✅ Требования - Аналогичный опыт работы 2+ года в веб-аналитике. ​​​​​​​Будет плюсом: - Опыт работы в маркетинговом агентстве; - Опыт работы в маркетинге в сфере недвижимости. 📝 Конкретные навыки, знания и умения Уверенные знания: - HTML - CSS - JavaScript - Яндекс Метрика - Яндекс Тег Менеджер - Calltouch, Comagic/UIS - Google Sheets - Понимать базис, как работает сайт (фронтэнд, бэкэнд, сети) Базовые знания: - DataLens - Logs API Яндекс Метрики - Яндекс Директ - Базы данных (PostgreSQL, ClickHouse) - SQL 🧩 Условия - Full-time, график 5/2 с 10.00 до 19.00 по МСК, удаленный формат работы; - Уютный офис в центре Москвы (м.Павелецкая), шаговая доступность от метро; - Официальное оформление по ТК РФ, "белая" заработная плата + соц. пакет (ДМС, льготный фитнес, внутреннее обучение); - Работа в стабильной компании, крупной в своем секторе; - Возможность прокачивать свои скиллы, получать новый опыт, знания и расти профессионально; - Классный коллектив, демократичная атмосфера в команде и профессиональное руководство. Контакты tg: @glebprokopovich e-mail: Gleb.Prokopovich@advelop.ru

Тот самый курс по ML, который прошли 200 000 человек. Теперь — в новой версии С 2016 по 2022 год специализация «Машинное обучение и анализ данных» на Coursera была входным билетом в профессию — через неё прошли больше 200 000 человек. С тех пор AI ушёл далеко вперёд, и набор тем, которые нужно знать сегодня, изменился. Поэтому Виктор Кантор с командой MLinside обновил программу и перевыпустил специализацию заново — уже как «Искусственный интеллект и анализ данных». Цену оставили ту же, что четыре года назад. Кому это нужно ML обычно изучают по частям: линейные модели подтянул на работе, про трансформеры прочитал статью, про агентов посмотрел ролик на YouTube. Каждый кусок вроде понятен, а цельной картины нет. Пока задачи типовые, это не мешает. Сложности начинаются там, где спрашивают системно: на собеседовании или при переходе из аналитики в ML. Специализация даёт последовательную базу вместо разрозненных кусков — 226 уроков и 47 часов контента. Что внутри ▪️ Математика и Python — алгоритмы и структуры данных, матанализ, линейная алгебра, теория вероятностей ▪️ Classic ML — линейные модели и SVM, деревья и градиентный бустинг, кластеризация, метрики и валидация, введение в нейросети и PyTorch ▪️ Deep Learning — backpropagation, CNN, детекция и сегментация, RNN и LSTM, трансформеры и Attention, языковое моделирование, введение в RLHF ▪️ LLM и AI-агенты — инференс LLM, квантование, vLLM и TensorRT, полный разбор RAG, архитектуры агентов, мультиагентные системы, MCP ▪️ A/B-тестирование — дизайн экспериментов, статистические критерии, бутстрэп, CUPED, последовательный анализ, кейсы из индустрии В разработке ещё два модуля: Production ML и ML System Design. Кто ведёт Уроки ведут действующие практики — директора по данным и руководители AI-направлений, работавшие в МТС, Яндексе, Сбере и других крупных компаниях. Люди, которые строили AI-команды с нуля и доводили модели до продакшена, а не просто пересказывают учебники. Большая часть команды преподаёт в МФТИ, ИТМО и НИУ ВШЭ. Технологии в AI меняются каждые несколько месяцев, поэтому к готовым модулям регулярно добавляются новые уроки — по свежим темам и запросам студентов. Как проходит обучение Специализация устроена как библиотека курсов: доступ ко всем модулям открывается сразу после оплаты. Можно идти по рекомендованной последовательности, а можно изучать только те темы, которых не хватает. Студенты ВУЗов могут получить доступ к специализации бесплатно (также как это было на Coursera), для всех остальных подписка стоит 5000 ₽ в месяц. Видеолекции, семинары, тесты с автопроверкой, задания, чат с кураторами для ответов на вопросы. Без потоков и дедлайнов: старт в любой момент, свой темп. На 3 и 6 месяцев подписка дешевле. Сразу предупреждаем: материал сложный, на уровне сильнейших технических вузов. Это не обзорный формат: разбираем backprop в матричной форме, encoder-decoder и decoder-only архитектуры, статистические критерии и их ограничения. Цель не развлечь и дать чувство, что все сразу получается само, а реально научить. Зато вместо разрозненных знаний у вас будет система: понимание, как методы устроены внутри и какой выбрать под конкретную задачу. Полная программа и варианты подписки — по ссылке на сайте Специализации

Привет! Dodo Brands ищет дата-инженера в Drinkit Наш стек: - Databricks: PySpark, Spark SQL, Structured Streaming, Delta Lake - Unity Catalog - Python 3.12+ - Azure: Event Hubs, ADLS Gen2, Data Explorer - IaC и шаблонизация: Terraform, Jinja2 - CI/CD: Git, Databricks Asset Bundles Мы ожидаем: - 4+ лет коммерческого опыта в роли Data Engineer / ETL-разработчик. - Сильный SQL - Уверенный Python для обработки данных и простых сервисов - Опыт с Spark или аналогом. - Базовый опыт с Kafka - Проактивность: сам видишь проблемы и возможности в данных/пайплайнах и предлагаешь, что улучшить. - Хочешь решать конкретные задачи, а не просто переливать данные. - Умеешь говорить с аналитиками, иногда с менеджерами, не боишься вопросов, готов брать на себя ответственность Мы предлагаем: - Трудоустройство по ТК РФ; - Удаленную работу из любой точки мира или в офисах в Москве или Санкт-Петербурге; - Культуру свободы и ответственности. Мы ценим тех, кто готов принимать решения и брать за них ответственность; - Оплачиваемое обучение. Курсы, конференции, профильная литература и софинансирование английского в Skyeng; - Заботу о сотрудниках. ДМС с первого дня, включая стоматологию, и поддержка ментального здоровья через Alter. Ссылка для отклика