#Озон: Senior ML Engineer (Senior Data Scientist), Маркетплейс, Цены и анализ конкурентов
#Офис #Москва

⚙️ Требования:
• Коммерческий опыт в DS от 3 лет;
• Знание #ML;
• Знание #python и PySpark;
• Знание алгоритмов и структур данных;
• Проактивность, большое желание развиваться и развивать людей вокруг;
• Желание развиваться в области #CV и #NLP.

⚡️ Что делать:
• Обучение и выкатка в прод новых моделей (ML / CV / NLP) - в зависимости от экспертизы;
• Исследование новых подходов для улучшения ключевых метрик матчинга;
• Написание и оптимизация алгоритмов обработки данных на PySpark;
• Постановка и декомпозиция задач для себя и коллег;
• Поиск новых способов создания ценности для компании.

➡️ Кому подойдет:
Среди текущих целей команды есть такие, как повышение полноты матчинга за счёт обучения новых текстовых и картиночных моделей, продвинутой работы с атрибутами и различных усовершенствований пайплайна. Также команда занимается разработкой сервиса real-time матчинга товаров.

🚀Откликнуться

#Самокат: Senior Data Scientist CV
#Офис / #Гибрид / #Удаленно
#Москва #Спб

⚙️ Требования:
• Опыт работы в #CV от 3х лет;
• Опыт работы с #ML алгоритмами: регрессией; бустингом;
• Опыт работы с #python, #sql, Spark;
• Опыт проектной работы над бизнес DS проектами;
• Знания Gitlab, Jira, Confluence.

⚡️ Что делать:
• Полный цикл Data Science (от идеи до составление плана доработок модели по результатам пилота и его реализации).

➡️ Кому подойдет:
Группа DS внепродуктовых проектов и усиления ключевых инициатив в поисках коллеги, который поможет улучшить текущие показатели.

🚀Откликнуться

#НЛМК: Старший разработчик DWH / data engineer (hadoop)
#Офис / #Гибрид / #Удаленно
#Москва

⚙️ Требования:
• #python (основные пакеты Numpy, Pandas, SCiPy и др), #sql;
• Знание фреймворков потоковой обработки данных: Kafka Streaming and Connect, Flink, Spark Streaming;
• Опыт работы с реляционными системами управления базами данных (SQL);
• Опыт работы с системами управления базами данных (NoSQL), Владение git.

⚡️ Что делать:
• Обеспечение поддержки и развития хранилищ данных по направлению BI;
• Опыт построения DWH, #DL.

🚀Откликнуться

#АльфаБанк: Специалист по интеллектуальному анализу данных (PD, LGD розничные риски)
#Офис / #Гибрид
#Москва

⚙️ Требования:
• Образование: высшее, специальность: прикладная математика и информатика, экономика (финансы/математические модели в финансах);
• Опыт работы по специальности 1-3 года;
• Основы классических алгоритмов #ML;
• Современные методы прикладной статистики;
• Базовый ML-стек #python;
• Метрики оценки качества моделей;
• Письменная коммуникация;
• Бизнес-анализ.

⚡️ Что делать:
• Разрабатывать и улучшать ML модели в части розничных кредитных рисков;
• Формировать запросы в базы данных;
• Вести деловую коммуникацию с коллегами и бизнес-заказчиками;
• Готовить презентационные материалы с результатами работы;
• Презентовать результаты работы на внутренних встречах;
• Работать над исправлением ошибок в написанном коде;
• Участвовать в поддержке и развитии внутренних инструментов по автоматизации разработки моделей и проверке гипотез.

🚀Откликнуться

#Яндекс: Аналитик-разработчик в Антифрод & Антиробот
#Офис / #Гибрид
#Москва

⚙️ Требования:
• Хорошо знаете математику, основы теорвера и матстата;
• Хорошо знаете основы #sql;
• Работали с #ML-моделями и понимаете, где они нужны, а где избыточны;
•Владеете #python, использовали популярные библиотеки для анализа данных (рandas, Matplotlib, Scikit-learn и др.).

⚡️ Что делать:
• Искать аномалии;
• Обучать ML модели;
• Придумывать и реализовывать новые фичи;
• Делать продуктовые метрики;
• Расследовать инциденты и ситуации, когда ничего непонятно.

➡️ Кому подойдет:
Команда ищет сильного аналитика, которому интересны алгоритмы анализа данных для поиска аномалий, обнаружения мошеннических действий, DDoS-атак и нежелательного контента.

🚀Откликнуться

#Авиасейлс: Product Analyst
#Удаленно

⚙️ Требования:
• Глубокое знание #sql;
• #python на очень хорошем уровне: умение работать с большим массивом данных;
• Понимание принципов работы с графами и оптимизации алгоритмов;
• Отличное понимание математической статистики;
• Умение наглядно и просто визуализировать данные;
• Знание основных продуктовых метрик.

⚡️ Что делать:
• Помогать команде развивать ключевую функциональность продукта - комбинирование маршрутов, нахождение оптимального времени кэширования перелетов;
• Развивать data driven культуру принятия решений в команде;
• Продумывать метрики и готовить аналитические отчеты для оценки эффективности новых фич;
• Искать точки роста продукта, анализировать, где плохо работает и почему;
• Разрабатывать удобные дашборды и автоматический мониторинг аномалий продуктовых метрик.

🚀Откликнуться

#VK: Аналитик/Эконометрист
#Офис #Москва

⚙️ Требования:
• Знание #python и его DS-библиотек (Pandas, Numpy, Sklearn, Statsmodels, Prophet);
• Git для версионирования кода;
• Vertica для внутреннего DWH команды.

⚡️ Что делать:
• Отвечать за разработку эконометрических и #ML-моделей эффективности маркетинга (Marketing Mix Modelling) продуктов VK;
• Готовить аналитику по успешности прошедших рекламных кампаний, разрабатывать прогнозы будущих флайтов;
• Готовить рекомендации по оптимизации рекламных бюджетов;
• Много работать с Python, тестировать различные модели, часто коммитить в GitLab и проходить code-review.

➡️ Кому подойдет:
Команда медиааналитики центрального маркетинга VK ежедневно анализирует эффективность вложений в рекламу ключевых продуктов VK. Команда оценивает влияние медиаинвестиций на бизнес-метрики и маркетинговые показатели продуктов и сервисов.

🚀Откликнуться

#ТБанк: ML-инженер в Центр технологий искусственного интеллекта
#Гибрид / #Офис / #Удаленно

⚙️ Требования:
• Опыт разработки #ML-моделей с использованием #DL-фреймворков и их применения в продакшене;
• Разбираетесь в принципах работы современных алгоритмов #ML;
• Знаете #python;
• Умеете декомпозировать задачу в переиспользуемые и тестируемые библиотеки и компоненты;
• Знаете теорию в сфере математики, прикладной статистики, алгоритмов и структур данных;
• Linux, Git, Bash и Docker.

⚡️ Что делать:
• Изучать научные статьи, генерировать гипотезы, ставить на их основе эксперименты и доносить результат до команды;
• Улучшать качество моделей в различных сценариях;
• Ускорять работу моделей, применяя современные методы оптимизации и построения архитектуры;
• Писать воспроизводимый код, оформлять эксперименты в воспроизводимые пайплайны, включающие разметку и обработку данных, обучение моделей и валидацию системы в целом.

🚀Откликнуться

#ФорматКода: ML-инженер
#Офис / #Гибрид / #Удаленно
#Спб

⚙️ Требования:
• Высшее образование в области математики или программирования;
• Опыт работы в коммерческих командах более одного года;
• Знание #python и фреймворков для #ML;
• Знание Git;
• Знание принципов работы алгоритмов ML, #DL;
• Базовые знания #sql.

⚡️ Что делать:
• Собирать данные из внутренних баз данных и источников;
• Анализ и предобработка данных;
• Выбирать оптимальные модели и пост-обработку для решения прикладной задачи;
• Взаимодействовать с командой бекенд-разработки для согласования интерфейсов и форматов.

➡️ Кому подойдет:
Команда ищет в свою команду ML-инженера, чтобы вместе реализовать проект с применением моделей глубокого обучения

🚀Откликнуться

#Яндекс: NLP-разработчик
#Офис
#Москва #Спб #Екб

⚙️ Требования:
• Работали с #LLM;
• Разрабатывали на #python;
• Хорошо знаете принципы #ML и #NLP;
• Работали с PyTorch или другими #DL-фреймворками;
• Готовы общаться с заказчиками и вести проекты;
• Хотите искать идеи и формулировать задачи.

⚡️ Что делать:
• Предстоит автоматизировать с помощью BERT/YaGPT процессы по выявлению некорректных или критичных ответов в службах поддержки, а также предлагать новые подходы и идеи, искать точки роста, чтобы наращивать качество ответов;
• Работа по обучению и внедрению LLM для автоматизации выдачи персонализированных ответов в поддержках E-com & Ridetech;
• Внедрением инструментов на основе LLM, чтобы улучшать и ускорять работу операторов различных служб поддержки.

➡️ Кому подойдет:
Команда автоматизирует работу служб поддержки и колл-центров. В основе платформы лежат большие данные и алгоритмы работы с ними.

🚀Откликнуться

#VK: Data Scientist
#Офис / #Гибрид / #Удаленно
#Москва

⚙️ Требования:
• Высшее, техническое образование;
• Опыт решения задач с применением алгоритмов #ML в production и их поддержка;
• Умение разработки моделей для работы в production, их мониторинг, поиск багов, улучшения;
• Опыт работы в команде с 3+ data-science специалистами;
• Знание основ математики, теорвера, матстата;
• Уверенное владение #python;
• Опыт работы с Linux и Bash.

⚡️ Что делать:
• R&D и анализ данных, построение и реализация алгоритмов машинного обучения;
• Представление результатов R&D в понятном для команды виде;
• Анализ поступающего графика на наличие аномалий и построение предиктивных моделей для работы антифрод-алгоритмов;
• Имплементация моделей для работы в production, разработка мониторингов и оповещений по работе моделей.

➡️ Кому подойдет:
Отдел предиктивной аналитики внутри трекера решает широкий спектр задач — от развития собственной маркетинговой антифрод-системы (Fraud Scanner) до создания системы персонализированных офферов (Personalize).

🚀Откликнуться

#ИТМО: Разработчик open-source решений в области AI/ML на Python
#Офис #Спб

⚙️ Требования:
• Высшее образование;
• Опыта коммерческой или близкой к ней разработки от 1 года;
• Знание #python и связанного прикладного инструментария (IDE, git и т. д.);
• Уверенное владение принципами SOLID, ООП, паттернами проектирования и архитектурными паттернами;
• Понимание базовых концепций методов #ML, желание улучшать свои знания в этой области;
• Понимание принципов рефакторинга, обеспечения качества кода, модульного и интеграционного тестирования;
• Знание основных алгоритмов и структур данных;
• Английский язык от B2.

⚡️ Что делать:
• Разработка AutoML-фреймворка, объединяющего методы оптимизации и #LLM;
• Разработка фреймворка для работы с LLM;
• Разработка открытых инструментах для решения предметных задач с помощью LLM;
• Разработка библиотеки для эволюционной оптимизации графовых структур.

➡️ Кому подойдет:
Вакансия ориентирована на Upper-Junior разработчиков, готовых как разрабатывать код, так и участвовать во взаимном код-ревью, обсуждениях архитектурных концепций и подобных активностях.

🚀Откликнуться

#Яндекс: Аналитик-разработчик в команду дистрибуции поиска Яндекса
#Офис / #Гибрид
#Москва #Спб

⚙️ Требования:
• #python,#sql;
• Умение работать с данными и умение извлекать из них практический результат;
• Самостоятельность и готовность браться за новые задачи, для которых нет готового решения;
• Обучение продакшен-модели #ML.

⚡️ Что делать:
• Исследовать ценность, приносимую пользователями;
• Улучшать предсказания целевых метрик;
• Обрабатывать огромные объёмы данных, оптимизировать код для их обработки;
• Отвечать за основной инструмент маркетинга, по данным которого определяются многомиллионные маркетинговые бюджеты.

➡️ Кому подойдет:
Команда повышает эффективность дистрибуции поисковых приложений Яндекса — считает LTV пользователей, что влияет на закупку рекламы и другие дистрибуционные усилия. А ещё команде нужно уметь предсказывать значения целевых метрик при помощи ML.

🚀Откликнуться

#Lamoda: Data Scientist (Advertising Platform)
#Офис #Москва

⚙️ Требования:
• Опыт в области анализа данных и #ML (от 2 лет);
• Опыт работы с #sql, Hadoop, Hive, Spark;
• #python, Linux, методы работы с Big Data;
• Опыт работы как минимум с 2 ML библиотеками: Scikit-learn, CatBoost/XGBoost, PyTorch, Spark ML;
• Знания теорвера и матстата;
• Знания в области машинного обучения, прогнозного моделирования и методов статистического анализа;
• Знание алгоритмов и структур данных;
• Высшее образование в области прикладной математики, информационных технологий, информатики и т.п;
• Английский язык на уровне технического чтения.

⚡️ Что делать:
• Разрабатывать модели, которые оценивают качество рекламных товаров и рекламных объявлений;
• Развивать рекламу в сторону персонализации количества и расположения рекламных слотов;
• Разработка автобиддера – механизма автоматического управления рекламными компаниями, позволяющего рекламодателям не торговать на площадке самим, а только устанавливать бюджет и пожелания по рекламной кампании.

🚀Откликнуться

#Озон: Ведущий Data Scientist, Группа логистики, Ozon Fresh
#Офис #Москва

⚙️ Требования:
• Знание #python и стандартных DS библиотек (numpy, pandas, sklearn, etc.);
• Знание хотя бы одного диалекта #sql (предпочтительней PostgreSQL);
• Знание Hadoop + Spark, написание расчётов в PySpark;
• Опыт решения дискретных оптимизационных задач: NP-полные/NP-трудные задачи. Опыт пользования хотя бы одной питоновской либы оптимизации;
• Высшее образование в одной из сфер: математика, компьютерные науки.

⚡️ Что делать:
• Анализировать данные: распределение заказов, геотреки курьеров, и др;
• Анализировать опоздания и "плохо построенные" маршруты;
• Заниматься мат. моделированием;
• Писать код и выводить его в продакшн;
• Общаться с заказчиком, формализовывать требования;
• Креативить, предлагать новые идеи.

🚀Откликнуться

#VK: DWH Engineer
#Офис / #Гибрид
#Москва

⚙️ Требования:
• Опыт работы DWH-инженером;
• Опыт работы с экосистемой Hadoop, в частности с Airflow, Spark и HDFS;
умеете составлять сложные #sql-запросы;
• Программируете на #python и разбираетесь в парадигме MapReduce;
• Умеете работать с Git и разрабатывать код в команде из нескольких человек;
• Знание основы работы с операционными системами на базе Unix/Linux;
• Способны вести несколько проектов одновременно и самостоятельно расставлять приоритеты.

⚡️ Что делать:
• Разрабатывать и поддерживать процессы по обработке и поставке данных для команд аналитики и #ML;
• Выявлять и собирать требования к существующим и новым данным с последующим формированием конкретного заказа в команду разработки;
• Сопровождать выполнение заказов по поставке данных на всех этапах, уточняя требования и проверяя результат.

➡️ Кому подойдет:
Команда ищет сильных DWH-инженеров, которые помогут построить удобное и качественное хранилище данных на большом кластере размером сотни петабайт для анализа поведения пользователей и обучения моделей.

🚀Откликнуться

#BestDoctor: Middle ML Engineer
#Офис / #Гибрид / #Москва
#Москва

⚙️ Требования:
• Опыт работы на позиции #ML-инженера (или разработчика ML) от 1 года;
• Опыт самостоятельного ведения проектов (от подготовки данных до реализации модели);
• Опыт работы с #python;
• Умение работы с data-стеком (pandas, numpy, scikit-learn);
• Опыт написания #SQL-скриптов;
• Знание основ Docker, умение пользоваться git.

⚡️ Что делать:
• Разрабатывать, проводить ревью скриптов подготовки данных и обучения моделей машинного обучения;
• Разрабатывать API для создаваемых моделей;
• Запускать мониторинг моделей, находящихся в промышленной эксплуатации;
• Проводить EDA в рамках исследуемых гипотез;
• Прогнозировать убытки;
• Расчитывать котировки новых клиентов;
• Прогнозировать поведение лидов в воронке продаж;
• Развивать сервис (службу заботы): чат-бот и автоматизация звонков.

🚀Откликнуться

#Яндекс: ML-разработчик генеративных моделей в международное направление Алисы (LLM)
#Офис / #Гибрид
#Москва #Спб

⚙️ Требования:
• Отлично знаете математику и классические алгоритмы и структуры данных;
• Понимание принципов #ML;
• Понимание и опыт #DL, опыт работы с PyTorch (или др.), #python;
• Английский на уровне понимания научных статей.

⚡️ Что делать:
• Обучать #LLM понимать и вести диалог на других языках. Для улучшения качества ответов нужно будет экспериментировать с #RL и обогащением моделей с помощью внешних источников данных;
• Экспериментировать с разными подходами к сбору обучающих данных и к оценке качества моделей;
• Экспериментировать с новыми нейросетевыми архитектурами и пробовать уменьшать модели без потери качества ответов.

🚀Откликнуться

#Skyeng: Senior Product Analyst
#Офис / #Гибрид / #Удаленно
#Москва

⚙️ Требования:
• опыт работы продуктовым аналитиком от 3 лет;
• Знание #sql;
• Опыт работы с BI (Tableau/Power BI/DataLens);
• Знание матстата;
• Опыт работы с продуктовыми метриками;
• Имеет бизнес-мышление;
• Следит за метриками, сигнализирует об отклонениях и проблемах до того, как они стали массовыми.

⚡️ Что делать:
• Поиск точек роста для метрик наших продуктов;
• Глубокие исследования поведения пользователей;
• Развитие событийной аналитики внутри продукта, построение воронки событий и поиск узких мест;
• Моделировать продуктовые изменения (запуск новых продуктов/изменение старых) в рамках PL и UE продукта;
• Анализ воронки cross-sell/up-sell внутри продукта и внутри Экосистемы;
• Разработка дизайна экспериментов (A/B, ухудшающие и т.д.) для проверки разнообразных гипотез.

🚀Откликнуться

#АльфаБанк: Data Scientist
#Офис / #Гибрид
#Москва

⚙️ Требования:
• Высшее математическое, программистское или техническое образование;
• Опыт полного цикла решения #ML задачи;
• Уверенное владение #python, #sql;
• Знание классических алгоритмов ML.

⚡️ Что делать:
• Поиск фродовых операций в дистанционном банковском обслуживании/эмиссии;
• Выявление дропов;
• Оптимизация хранения наличности в АТМ;
• Оптимизация коммуникаций в реферальных программах;
• Генерировать и проверять гипотезы;
• Формировать новые признаки под конкретные кейсы при необходимости;
• Защищать свои модели перед PO;
• Выстраивать процессы, обеспечивать их метриками и мониторингами.

🚀Откликнуться

#Мегафон: Тимлид DA
#Офис #Москва

⚙️ Требования:
• Отличное владение #sql, #python, PySpark. Умение работать с Airflow будет плюсом;
• Экспертиза в дизайне и проведении A/B тестов;
• Опыт создания дашбордов и аналитических отчетов;
• Умение планировать, управлять командой, презентовать результаты бизнесу, не бояться брать на себя ответственность и проактивно выдвигать инициативы;
• Опыт в работе с Data Science командами: разработка целевых событий и признаков, настройка мониторинга моделей и замера эффектов;
• Развитое логическое мышление, хорошая математическая база, понимание теорвера и матстата;
• Опыт работы в области аналитики от 3-х лет. Опыт управления командой от 1го года.

⚡️ Что делать:
• Настраивать отчетность по разным бизнес-кейсам для оценки вклада существующих моделей, логик и поиска точек роста и развития новых продуктов;
• Разрабатывать инструменты для снижения ТТМ по аналитическим запросам;
• Усиливать культуру A/B-тестирования, залидировать разработку внутренней платформы и внедрить методы по повышению чувствительности A/B-тестов;
• Выдвигать и проверять гипотезы по развитию продуктов и моделей;
• Выстраивать работу команды дата-аналитиков, наладить эффективное взаимодействие команды с бизнесом;
• Планировать задачи, продумывать архитектуру решений, проводить код-ревью для команды, обучать и экспертно поддерживать начинающих специалистов.

🚀Откликнуться