Воронцова Виктория

Чем предстоит заниматься: Полный цикл внедрения ML-моделей в продакшен: от постановки задачи до мониторинга качества и ретренинга. Построение пайплайнов обработки неструктурированных данных (PDF, шумные тексты), очистка, NER, feature engineering. Обучение классических моделей и генеративных моделей для синтетических данных с оценкой качества и privacy-проверками. Упаковка решений в API и контейнеры. Требования: Опыт от 3 лет в роли ML-инженера / Data Scientist. Уверенный Python, pandas, numpy, scikit-learn. NLP: SpaCy, Hugging Face, работа с неструктурированными данными, извлечение сущностей (NER). Классический ML: деревья решений, ансамбли (Random Forest), интерпретация результатов, подбор гиперпараметров, оценка рисков переобучения. Синтетические данные: CTGAN, TVAE (SDV), оценка статистической близости, сохранение распределений, privacy-проверки. Базовый MLOps: Docker, FastAPI/Flask, MLflow/DVC, понимание CI/CD.

Мы ищем опытного Java-разработчика для создания и поддержки высоконагруженных решений. Если вам интересны сложные инженерные задачи, распределённые системы и работа с миллионами объектов — присоединяйтесь! Что предстоит делать: - Проектировать и оптимизировать хранилища метаданных на базе PostgreSQL, Redis и ElasticSearch/OpenSearch. - Интегрировать систему с популярными инструментами CI/CD: Maven, Gradle, npm, Docker Registry и др. - Разрабатывать надёжные и безопасные REST/gRPC API, ориентированные на производительность и масштабируемость. - Оптимизировать SQL-запросы: анализ через EXPLAIN, настройка индексов, партиционирование и шардинг. - Реализовывать бизнес-логику управления артефактами: версионирование, политики хранения, репликация между кластерами. - Тесно взаимодействовать с командой DevOps по вопросам развертывания, мониторинга и обеспечения отказоустойчивости системы. Наш технологический стек: - Язык и фреймворки: Java 17+, Spring Boot, Spring Security, MyBatis - Базы данных: PostgreSQL (репликация, партиционирование, оптимизация запросов) - Объектные хранилища: MinIO, Ceph, AWS S3 (S3-совместимые API) - Асинхронная обработка: Apache Kafka - Кэширование: Redis - Поиск: ElasticSearch / OpenSearch - Контейнеризация и оркестрация: Docker, Kubernetes - CI/CD: Jenkins - Мониторинг и телеметрия: Prometheus, Grafana, OpenTelemetry - Плагинизация: PF4J Что мы ожидаем от вас: - Уверенное владение Java и опытом разработки промышленного кода с применением ООП, SOLID и принципов чистой архитектуры. - Способность самостоятельно проектировать и реализовывать сложные функциональные модули. - Опыт работы с высоконагруженными системами (тысячи RPS, сотни миллионов артефактов). - Понимание принципов работы распределённых систем: репликация, согласованность, eventual consistency. - Навыки профилирования и оптимизации Java-приложений с использованием JFR, JMC, async-profiler и аналогов. Если вы готовы решать нетривиальные инженерные задачи в команде единомышленников — мы будем рады видеть вас в числе наших коллег!

Находимся в поиске Senior Data Engineer со знанием английского языка Стек: PostgreSQL, ClickHouse, Airflow, dbt, Python, SQL. Задачи: Проектирование и развитие архитектуры DWH. Разработка ELT-пайплайнов и оркестрация в Airflow. Трансформация данных и Data Quality через dbt. Тюнинг производительности, оптимизация тяжелых запросов в ClickHouse и PostgreSQL. Код-ревью, менторство, участие в архитектурных ревью. Требования: Опыт в Data Engineering от 3 лет. Expert SQL: сложные запросы, оптимизация, чтение планов (EXPLAIN). Глубокое понимание ClickHouse: движки, шардирование, распределенные таблицы, специфика JOIN и агрегаций. Отличное знание PostgreSQL: транзакции, блокировки, индексы, партицирование. Уверенный Airflow: кастомные DAG-и, XCom, Pools, Sensors. Опыт промышленного dbt: модели, макросы, тесты, CI/CD. Python: написание скриптов, кастомных коннекторов. Понимание методологий моделирования DWH (Kimball, Data Vault, OBT). Будет плюсом: Kafka / брокеры сообщений. S3, Parquet, Iceberg / Delta Lake. Docker, Kubernetes, CI/CD (GitLab CI / GitHub Actions). Инструменты Data Quality (Great Expectations и аналоги).

Ищем опытного .NET-разработчика для развития высоконагруженных банковских сервисов. Стек: C#, .NET Core / .NET Framework, MS SQL, PostgreSQL, Kafka. Требования: - Опыт коммерческой разработки от 6–7 лет: C#, .NET Core / .NET Framework. - Опыт разработки высоконагруженных систем и микросервисной архитектуры. - Опыт разработки интернет-банков, знание банковских предметных областей. - Уверенная работа с MS SQL Server / T-SQL и/или PostgreSQL. - Опыт оптимизации SQL-запросов и работы с большими объемами данных. - Разработка Web API, понимание REST и принципов IoC. - Опыт работы с Kafka. - Уверенное владение Git, понимание CI/CD. - Понимание архитектуры и безопасности корпоративных приложений. Задачи: - Разработка и поддержка микросервисов на .NET. - Проектирование и развитие backend-решений интернет-банкинга. - Оптимизация работы с БД и запросами. - Разработка REST API и интеграций через Kafka. - Участие в улучшении архитектуры, CI/CD и качества кода.

Мы ищем опытного Java-разработчика для создания и поддержки высоконагруженных решений. Если вам интересны сложные инженерные задачи, распределённые системы и работа с миллионами объектов — присоединяйтесь! Что предстоит делать: - Проектировать и оптимизировать хранилища метаданных на базе PostgreSQL, Redis и ElasticSearch/OpenSearch. - Интегрировать систему с популярными инструментами CI/CD: Maven, Gradle, npm, Docker Registry и др. - Разрабатывать надёжные и безопасные REST/gRPC API, ориентированные на производительность и масштабируемость. - Оптимизировать SQL-запросы: анализ через EXPLAIN, настройка индексов, партиционирование и шардинг. - Реализовывать бизнес-логику управления артефактами: версионирование, политики хранения, репликация между кластерами. - Тесно взаимодействовать с командой DevOps по вопросам развертывания, мониторинга и обеспечения отказоустойчивости системы. Наш технологический стек: - Язык и фреймворки: Java 17+, Spring Boot, Spring Security, MyBatis - Базы данных: PostgreSQL (репликация, партиционирование, оптимизация запросов) - Объектные хранилища: MinIO, Ceph, AWS S3 (S3-совместимые API) - Асинхронная обработка: Apache Kafka - Кэширование: Redis - Поиск: ElasticSearch / OpenSearch - Контейнеризация и оркестрация: Docker, Kubernetes - CI/CD: Jenkins - Мониторинг и телеметрия: Prometheus, Grafana, OpenTelemetry - Плагинизация: PF4J Что мы ожидаем от вас: - Уверенное владение Java и опытом разработки промышленного кода с применением ООП, SOLID и принципов чистой архитектуры. - Способность самостоятельно проектировать и реализовывать сложные функциональные модули. - Опыт работы с высоконагруженными системами (тысячи RPS, сотни миллионов артефактов). - Понимание принципов работы распределённых систем: репликация, согласованность, eventual consistency. - Навыки профилирования и оптимизации Java-приложений с использованием JFR, JMC, async-profiler и аналогов. Если вы готовы решать нетривиальные инженерные задачи в команде единомышленников — мы будем рады видеть вас в числе наших коллег!

Находимся в поиске Senior Python Developer. Ищем инициативного и технически подкованного специалиста, который сможет усилить нашу команду и внести свой вклад в разработку современных решений. Требования : - Опыт разработки на Python. - Уверенные знания FastAPI и опыт применения архитектурных паттернов. - Опыт с REST API и понимание принципов его проектирования. - Знакомство с OAuth и OpenID для подключения к внешним провайдерам аутентификации. - Опыт настройки и интеграции с Keycloak. - Опыт работы с RabbitMQ и Kafka. - Опыт работы с БД. Преимущества : - Опыт работы с Django и его административной панелью. - Знания в области ETL-процессов и лучших практик их реализации. - Навыки по настройке CI/CD процессов. - Опыт мониторинга и настройки метрик.

Ищем опытного Data Engineer, который возьмёт на себя роль в проектировании, развитии и оптимизации нашей аналитической платформы. Вы будете не просто писать ETL — вы будете формировать архитектуру хранилища данных, внедрять лучшие инженерные практики и помогать команде строить надёжную, масштабируемую и понятную data-инфраструктуру. Ключевые обязанности: - Архитектура и развитие DWH: - Проектирование и эволюция современного хранилища данных (Data Warehouse / Data Mart) с учётом требований бизнеса, аналитики и машинного обучения. - Выбор стратегии моделирования (например, Kimball, Data Vault, или modern approaches типа medallion architecture). - Обеспечение масштабируемости, производительности и управляемости DWH. - Лидерство в использовании dbt: - Полный цикл внедрения и сопровождения dbt— от инициации проекта до продакшена. - Формирование стандартов разработки моделей, документации, тестирования и версионирования. - Интеграция dbt в CI/CD, настройка мониторинга и алертинга. - Наставничество коллег по best practices в dbt и data modeling. - Оркестрация данных через Apache Airflow: - Проектирование и поддержка сложных DAG-ов для оркестрации ETL/ELT-процессов. - Оптимизация производительности, управление зависимостями, восстановление после сбоев. - Внедрение практик наблюдаемости (observability) и управляемости пайплайнов. - Разработка и оптимизация ETL/ELT-процессов: - Создание надёжных, идемпотентных и масштабируемых решений на основе бизнес-требований. - Интеграция разнородных источников (API, базы данных, файлы, потоковые системы). - Разработка и поддержка сложных SQL-запросов с глубокой оптимизацией (CTE, оконные функции, партиционирование, индексы и пр.). - Опыт работы с PostgreSQL - Практический опыт развёртывания, настройки и масштабирования Apache Kafka. - Базовое понимание Spark Streaming или аналогов для обработки потоковых данных. - Опыт проектирования data-решений в облаке (Yandex.Cloud, AWS, GCP или Azure) Требования : - 5+ лет опыта в разработке и поддержке data-инфраструктур. - Подтверждённый опыт построения enterprise-grade DWH с нуля или масштабирования существующих решений. - Экспертное владение dbt, SQL, Python. - Опыт работы с Airflow в production-среде на уровне архитектора или техлида направления. - Способность принимать архитектурные решения, аргументировать их и доносить до команды. - Готовность участвовать в формировании data-культуры: документирование, обучение, внедрение стандартов. Условия: - Полностью удалённая работа. - Дружная, зрелая команда инженеров и аналитиков, ценящих качество и простоту решений. - Возможности профессионального и карьерного роста: участие в стратегических инициативах, влияние на архитектуру продукта, потенциал развития в технического лида или архитектора. - Прозрачные процессы, минимум бюрократии, фокус на результатах. Если вы — инженер, который мыслит системно, любит чистые данные и надёжные архитектуры, и готов делиться экспертизой — давайте знакомиться!