Data Science Jobs
Відкрити в Telegram
админ - @workakkk @ai_machinelearning_big_data - Machine learning @itchannels_telegram - 🔥лучшие ит-каналы @pythonl - Python @pythonlbooks- python книги📚 @datascienceiot - ml книги📚 РЕЕСТР РКН: clck.ru/3Fmrbd
Показати більше
Сітка:📈 Аналітичний огляд Telegram-каналу Data Science Jobs
Канал Data Science Jobs (@datascienceml_jobs) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 21 359 підписників, посідаючи 1 861 місце в категорії Кар'єра та 30 771 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 21 359 підписників.
За останніми даними від 12 жовтня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 176, а за останні 24 години на 0, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 11.41%. Протягом перших 24 годин після публікації контент зазвичай збирає 5.98% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 2 435 переглядів. Протягом першої доби публікація в середньому набирає 1 276 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 5.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як llm, sql, api, архитектура, senior.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“админ - @workakkk
@ai_machinelearning_big_data - Machine learning
@itchannels_telegram - 🔥лучшие ит-каналы
@pythonl - Python
@pythonlbooks- python книги📚
@datascienceiot - ml книги📚
РЕЕСТР РКН: clck.ru/3Fmrbd”
Завдяки високій частоті оновлень (останні дані отримано 13 жовтня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Кар'єра.
21 359
Підписники
Немає даних24 години
+367 днів
+17630 днів
Триває завантаження даних...
Схожі канали
Хмара тегів
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
жовтень '26жовт '26
жовтень '26
+88
в 1 каналах
вересень '26
+273
в 3 каналах
Get PRO
серпень '26
+282
в 1 каналах
Get PRO
липень '26
+285
в 3 каналах
Get PRO
червень '26
+214
в 1 каналах
Get PRO
травень '26
+261
в 3 каналах
Get PRO
квітень '26
+264
в 0 каналах
Get PRO
березень '26
+236
в 2 каналах
Get PRO
лютий '26
+343
в 3 каналах
Get PRO
січень '26
+379
в 2 каналах
Get PRO
грудень '25
+263
в 5 каналах
Get PRO
листопад '25
+582
в 8 каналах
Get PRO
жовтень '25
+448
в 2 каналах
Get PRO
вересень '25
+364
в 2 каналах
Get PRO
серпень '25
+310
в 1 каналах
Get PRO
липень '25
+585
в 2 каналах
Get PRO
червень '25
+195
в 1 каналах
Get PRO
травень '25
+120
в 1 каналах
Get PRO
квітень '25
+185
в 2 каналах
Get PRO
березень '25
+208
в 1 каналах
Get PRO
лютий '25
+758
в 0 каналах
Get PRO
січень '25
+334
в 1 каналах
Get PRO
грудень '24
+615
в 1 каналах
Get PRO
листопад '24
+382
в 7 каналах
Get PRO
жовтень '24
+518
в 0 каналах
Get PRO
вересень '24
+641
в 0 каналах
Get PRO
серпень '24
+504
в 0 каналах
Get PRO
липень '24
+569
в 0 каналах
Get PRO
червень '24
+1 080
в 1 каналах
Get PRO
травень '24
+2 037
в 37 каналах
Get PRO
квітень '24
+1 432
в 44 каналах
Get PRO
березень '24
+859
в 21 каналах
Get PRO
лютий '24
+1 281
в 5 каналах
Get PRO
січень '24
+1 467
в 44 каналах
Get PRO
грудень '23
+883
в 38 каналах
Get PRO
листопад '23
+208
в 1 каналах
Get PRO
жовтень '23
+728
в 0 каналах
Get PRO
вересень '23
+715
в 0 каналах
Get PRO
серпень '23
+1 403
в 0 каналах
Get PRO
липень '23
+1 509
в 0 каналах
Get PRO
червень '23
+993
в 0 каналах
Get PRO
травень '23
+1 255
в 0 каналах
Get PRO
квітень '23
+633
в 0 каналах
Get PRO
березень '23
+1 904
в 0 каналах
Get PRO
лютий '23
+230
в 0 каналах
Get PRO
січень '23
+148
в 0 каналах
Get PRO
грудень '22
+566
в 0 каналах
Get PRO
листопад '22
+691
в 0 каналах
Get PRO
жовтень '22
+683
в 0 каналах
Get PRO
вересень '22
+826
в 0 каналах
Get PRO
серпень '22
+582
в 0 каналах
Get PRO
липень '22
+1 186
в 0 каналах
Get PRO
червень '22
+170
в 0 каналах
Get PRO
травень '22
+170
в 0 каналах
Get PRO
квітень '22
+697
в 0 каналах
Get PRO
березень '22
+618
в 0 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 11 жовтня | +3 | |||
| 10 жовтня | +1 | |||
| 09 жовтня | +13 | |||
| 08 жовтня | +14 | |||
| 07 жовтня | +11 | |||
| 06 жовтня | +10 | |||
| 05 жовтня | +5 | |||
| 04 жовтня | 0 | |||
| 03 жовтня | +3 | |||
| 02 жовтня | +12 | |||
| 01 жовтня | +16 |
Дописи каналу
Data Engineer DWH
Мы ищем опытного Data Engineer / DWH-разработчика для работы над аналитическими системами в финансовом домене. Нам нужен практичный специалист, который сможет быстро погрузиться в предметную область, выстроить устойчивую модель данных и взять на себя задачи по развитию и поддержке аналитического хранилища. Проект ориентирован на работу с данными кредитных организаций, с фокусом на качество данных, прозрачность метрик и удобство аналитики.
Ключевые обязанности:
• Проектирование и развитие аналитического хранилища данных (DWH)
• Разработка моделей данных (fact / dimension, агрегаты)
• Построение ETL / ELT-процессов загрузки и трансформации данных
• Разработка аналитических витрин и BI-моделей
• Работа с финансовыми данными (кредиты, платежи, просрочка, клиенты, продукты)
• Обеспечение качества, согласованности и историчности данных
• Оптимизация запросов, моделей данных и расчета показателей
• Взаимодействие с разработчиками, аналитиками и бизнесом для формализации требований
Требования:
• От 3 лет опыта в Data / DWH разработке
• Уверенное знание SQL
• Практический опыт построения DWH / аналитических систем
• Понимание подходов моделирования данных (Star Schema, Fact / Dimension)
• Опыт разработки ETL / ELT-процессов
• Понимание принципов построения аналитической отчетности и BI
• Опыт работы с одной или несколькими аналитическими СУБД (PostgreSQL, MS SQL Server, ClickHouse, Snowflake, BigQuery, Microsoft Fabric / Synapse)
• Понимание различий между OLTP и OLAP системами
• Умение проектировать устойчивые и понятные модели данных
Будет плюсом:
• Опыт работы в финансовом домене (банки, МФО, финтех)
• Опыт построения отчетности по кредитному портфелю (выдачи, погашения, просрочка, collection, когортный и винтажный анализ)
• Опыт работы с BI-инструментами (Power BI, Tableau, Superset, Metabase)
• Опыт работы с orchestration-инструментами (Airflow, dbt)
• Опыт использования Python для обработки данных
• Понимание принципов Data Quality, Data Governance и историзации данных
Мы предлагаем:
• Полную занятость
• Офисный формат работы в Ташкенте.
• Работу над аналитической платформой в финтех-домене с прямым влиянием на бизнес
• Сильную продуктовую и техническую команду
• Возможность профессионального роста в направлении Data / DWH архитектуры
• Конкурентную заработную плату
📩 Telegram: @haas_maru
| 2 | Шаг со среднего уровня на старший
На среднем уровне в данных ответственность — обычно за часть системы: модель, обработка данных, признаки, метрика. На старшем — за систему целиком: откуда приходят данные, как результат попадет к пользователю, что станет с решением через полгода.
Этот же навык на собеседовании в сильную команду проверяют на секции по проектированию систем, где плавают даже инженеры, которые отлично обучают модели.
15 октября в 19:00 МСК Валерий Бабушкин проведет живой эфир вопросов и ответов про рост в данных и проектирование систем.
Валерий — соавтор книги «Machine Learning System Design», по которой учатся инженеры по всему миру, входит в топ-25 мирового рейтинга гроссмейстеров платформы Kaggle, старший директор по данным и ИИ в British Petroleum
Разберут, какой навык отделяет средний уровень от старшего и архитектора, как устроена секция по проектированию систем на собеседовании, какие вопросы задать на старте проекта, чтобы он доехал до пользователя, и где большие языковые модели, поиск по источникам и ИИ-агенты уже работают, а где это шум.
Свой вопрос Валерию можно задать заранее при регистрации — часть ответов будет именно по ним.
Приходите услышать разбор от первого лица и прислать свой вопрос: https://clc.to/erid_2W5zFJj1KYu
После эфира всем участникам придет запись.
Реклама. ООО «КАРПОВ КУРСЫ». ИНН 7811764627. erid: 2W5zFJj1KYu | 1 282 |
| 3 | #ИТ #SeniorML
IT-компания Selecty в поиске Senior ML-инженера в крупный онлайн-кинотеатр
⭐️Что предстоит делать:
— Разрабатывать и поддерживать реализованные рекомендательные решения
— Искать новые гипотезы для улучшения пайплайнов обучения моделей и добавления новых признаков
— Решать R&D-задачи по исследованию новых алгоритмов на основе нейросетей
— Решать задачи, возникающие в процессе развития продукта
— Прототипировать новые подходы на dev-сервере с GPU
— Оценивать метрики качества новых прототипов
— Создавать production-ready решения на основе прототипов и выводить их на A/B-тестирование
⭐️Ожидаем:
— Опыт от 3 лет на позиции SWE / DS / MLE
— Опыт работы в домене рекомендаций, поиска, персонализации или матчинга
— Знание алгоритмов, структур данных и прикладной статистики
— Самостоятельность в решении задач и контроле результатов
— Опыт командной разработки
— Уверенное владение Python 3, SQL, Git, Bash, Docker, Spark
— Знание основных библиотек: PySpark, NumPy, Pandas, SciPy, scikit-learn
— Опыт работы с базами данных и хранилищами: ClickHouse, Redis, S3, PostgreSQL
— Желателен опыт работы с RePlay / RecTools / RecBole, PyTorch Lightning, Triton Inference Server
— Желателен опыт работы с OpenCode, Claude Code, Cursor или аналогичными инструментами
⭐️Основные условия:
— Работа в аккредитованной IT-компании
— Официальное трудоустройство по ТК РФ
— Уютный современный офис в шаговой доступности от станций метро «Дмитровская» и «Савёловская», рядом с «Флаконом» и «Хлебозаводом»
— Удалённый или гибридный формат работы или желание переехать в Москву
— Современная рабочая техника, дополнительный монитор и всё необходимое для комфортной работы
— Забота о здоровье: после испытательного срока — ДМС со стоматологией, страхование от несчастных случаев и критических заболеваний, а также возможность получать консультации психолога, юриста, финансового консультанта и специалиста по ЗОЖ
— Поддержка в обмене знаниями и идеями: поощряем выступления на митапах и помогаем с подготовкой докладов
— Бесплатная подписка на сервис корпоративных скидок и предложений BestBenefits, а также доступ к онлайн-библиотеке издательства «МИФ»
— Специальное предложение по подписке на онлайн-кинотеатр
Контакт: @YurievaElena | 2 087 |
| 4 | 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 | 2 324 |
| 5 | #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 | 3 016 |
| 6 | #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 | 3 219 |
| 7 |  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! 💚 | 2 174 |
| 8 | 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! 💚 | 1 |
| 9 | #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 | 2 638 |
| 10 | #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 | 3 332 |
| 11 |  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 ↖️ | 2 749 |
| 12 | #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 | 3 002 |
| 13 |  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 | 2 503 |
| 14 | 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 | 2 653 |
| 15 | #вакансия #fulltime #Ереван #Армения #финтех #банк #senior #Data #analyst #DataAnalyst #Գործկա
💼 Компания: ITQuick
🌎 Локация: Армения
👨🏻💻 Формат: гибрид
🕝 Занятость: Полная
💰 ЗП: 300-400 тыс. руб.
* Рассматриваем граждан РФ и Армении, которые проживают на территории Армении.
✅Находимся в поиске Senior Data Analyst в Армении.
💼О проекте:
Мы строим Customer Intelligence & Personalization Platform для экосистемы бизнесов в Армении. В основе — Golden Record: единый профиль клиента, объединяющий данные банка, продуктов экосистемы и внешних источников. Поверх него строятся Customer 360, сегментация, scoring и персонализированные предложения.
🦸Задачи роли:
Предстоит спроектировать слой между сырыми данными core banking системы и витринами платформы. Источник слабо документирован: часть значений закодирована, часть бизнес-логики реализована в коде и хранимых процедурах, две внешне одинаковые записи могут быть собраны разными алгоритмами из разных таблиц.
Нужен человек, который разберёт этот источник и превратит его в осознанную модель данных: что откуда берётся, что на что влияет, какое поле что означает.
⚙️Что предстоит делать:
● Исследовать core banking систему, legacy- и внешние источники, восстанавливать их семантику.
● Идти от целевой витрины к источнику: определять, из каких таблиц и по какой логике собирается каждый атрибут.
● Разделять случаи, когда одинаковые по виду данные получены разными путями, и фиксировать правила выбора.
● Описывать модель данных и метаданные: сущности, связи, grain, ключи, историчность.
● Формировать требования к витринам для сегментации, scoring и рекомендаций.
● Писать SQL-исследования и прототипы трансформаций, проверять гипотезы на данных.
● Выяснять смысл данных напрямую у сотрудников банка — это постоянная часть работы.
О бэкграунде:
Важно, какие задачи вы решали — приходили в незнакомую недокументированную систему и разбирались сами, восстанавливали бизнес-смысл данных, строили модель с нуля и доводили исследование до работающей витрины.
‼️Если вы работали дата-инженером и значительную часть времени тратили на то, чтобы понять, что лежит в источнике, — это наш профиль. Если получали готовые чистые витрины — скорее нет.
🏆AI-native подход:
Мы используем AI-native подход и ожидаем того же от кандидата: AI-инструменты применяются для разбора legacy, анализа схем, написания SQL и документирования.
🛠Требования:
● Сильный SQL: оконные функции, сложные join-цепочки, анализ качества и распределений.
● Опыт реверс-инжиниринга плохо документированных источников.
● Понимание data modelling: сущности, grain, ключи, историчность, master entities.
● Опыт работы с банковскими или fintech-данными (Core banking (особенно ArmSoft) / legacy banking systems, Customer 360) или опыт разбора сырых банковских данных о клиентах и продуктах из плохо документированных систем с целью производства маркетинговой и финансовой аналитики.
● Python на уровне исследования данных.
● Способность самостоятельно довести задачу «вот сырьё, вот целевая витрина» до результата.
● Проактивность: готовность выяснять смысл данных у людей, а не ждать документации.
● Git, Linux, опыт работы в закрытых Dev/UAT-контурах.
🎯Будет плюсом:
· Знание армянского языка
· Методологии матчинга и дедупликации
· Опыт с Data Vault 2.0
· Опыт с DBT или аналоги
· PII, маскирование, RBAC
· Опыт в регулируемом on-premise контуре
· Экспертиза в ML, ML Ops
🤝Условия:
Взаимодействие по ИП
Локация - Армения
Формат работы - гибрид, готовность работать из офиса банка до 3 раз в неделю.
📩 Контакт: @ElenaK_it_recruiter | 2 559 |
| 16 | #senior #удаленка
ДОМ.РФ
Разработчик-аналитик DWH
Опыт работы: не менее 5 лет
Формат работы: можно удалённо (Москва)
☑️ Чем предстоит заниматься
-Проводить проектную коммуникацию с представителями бизнес-заказчика с целью уточнения бизнес-требований
-Выявлять и проводить анализ бизнес-требований, потребностей и проблем бизнес-заказчика
-Формировать спецификации требований, описание логических моделей, структур данных и проектных решений (хранилища и витрины данных)
-Согласовывать проектные решения с архитекторами, разработчиками и аналитиками смежных команд
-Проектировать и разрабатывать ETL/ELT процессы, слои хранилища и витрины данных
-Разрабатывать и оптимизировать SQL-запросы
-Проводить внутреннее тестирование и контроль качества информационных продуктов, реализованных разработчиками
-Принимать участие в приёмочных испытаниях информационных продуктов и документации с заказчиками
-Обеспечивать контроль качества данных и их целостность
☑️ Наши пожелания к кандидатам
-Высшее образование: техническое, математическое или финансовое
-Опыт работы не менее 5 лет
-Уверенные знания Python, GIT, Airflow (DAG с декомпозицией задач, зависимостями, сенсорами)
-Глубокое знание SQL: оконные функции, процедуры, функции, вложенные запросы, опыт оптимизации запросов
-Понимание индексов, партиций, ключей, нормальных форм, SCD
-Понимание моделирования данных, построения хранилища, репликации и консистентности данных
-Умение рефакторить код и проводить миграцию из одной системы в другую
-Знание принципов CI/CD
-Знание PL/SQL для Oracle, Postgres, Greenplum или знание иной MPP СУБД (будет плюсом)
-Опыт работы с API (будет плюсом)
-Знание ООП, DBT, Kafka, Bash, SAS (будет плюсом)
Контакты: itrecruit@domrf.ru | 2 643 |
| 17 |  ⚡️Data Science в 2026 году: что нужно знать, чтобы дойти от первой модели до первого оффера?
Большинство новичков совершают одну и ту же ошибку: пытаются выучить весь Data Science сразу.
Python, математика, статистика, ML, Deep Learning, MLOps… А потом открывают вакансию и обнаруживают ещё примерно 15 технологий, о которых вчера даже не слышали. В итоге можно несколько месяцев учиться, собирать учебные модели и всё равно не понимать, что именно нужно показать работодателю, чтобы получить первый оффер 🫠
Мария Жарова — ML-инженер Wildberries, экс-Альфа-Банк и Сбер, преподаватель магистратур МФТИ, ТГУ и МИФИ — проведёт бесплатный эфир «ML-инженер в 2026 году: от первой модели до первого оффера» и покажет профессию изнутри на реальной ML-задаче.
Что будет на эфире:
🔶На живом примере соберём модель, которая определяет тональность отзывов: подготовим данные, превратим текст в числа, обучим алгоритм и проверим, где он ошибается;
🔶Разберём полный цикл ML-проекта — от задачи бизнеса и сырых данных до готовой модели;
🔶Разберёмся, чем отличаются Data Scientist, ML Engineer, Deep Learning и MLOps и чем занимается каждый специалист;
🔶 Посмотрим, какие знания и навыки действительно нужны новичку, а что пока можно не пытаться выучить за одну ночь;
🔶Разберём реальные требования в вакансиях и поймём, какие проекты стоит добавить в портфолио;
🔶Обсудим, как перейти от обучения к первым собеседованиям и не застрять в бесконечном «ещё немного поучусь и начну искать работу».
Дополнительно на эфире разберем реальные примеры резюме и портфолио кандидатов, которые смогли пройти отбор.
🎁 ПОЛУЧИТЕ 3 КУРСА (PYTHON, SQL, PANDAS) В ПОДАРОК ЗА РЕГИСТРАЦИЮ НА ЭФИР!
Эти курсы - база для того чтобы вкатиться в профессию!
Если вы сейчас пытаетесь разобраться в Data Science и не очень понимаете, что учить, какие проекты делать и когда уже можно идти на собеседования, эфир поможет собрать всё это в одну понятную картину.
🛎️Регистрируйтесь, эфир совсем скоро!
Реклама. ООО "АЙТИ РЕЗЮМЕ". ИНН 4025460134. Erid: 2VtzqvYJzKN | 1 740 |
| 18 | #middle #senior #гибрид #удаленка
Wildberries
ML Engineer в Ценообразование
Опыт работы: от 3 лет
Формат работы: гибрид или удалённо (Москва)
☑️ Чем предстоит заниматься
-Развивать ядро матчинга: retrieval кандидатов по текстовым, картиночным и мультимодальным эмбеддингам, обучать модели классификации пар, работать с атрибутами товаров
-Улучшать NLP-часть пайплайна с учетом специфики оптовых товаров: обработка названий, извлечение атрибутов из описаний, дообучение эмбеддинг-моделей
-Доводить решения до прода и отвечать за них
☑️ Наши пожелания к кандидатам
-Сильное понимание NLP: трансформерные модели, эмбеддинги, векторный поиск, опыт дообучения моделей под свою задачу
-Опыт в задачах матчинга
-Опыт в Data Science и ML Engineering с выводом моделей в продакшен от 3-х лет
-Уверенные знания Python, ML-стека, SQL
-Умение выбирать решение под задачу: не использовать нейросеть там, где достаточно эвристики, и наоборот
-Опыт с CV и мультимодальными моделями (CLIP-подобные, metric learning), LLM/VLM в задачах классификации/ранжирования будет плюсом
Откликнуться | 2 506 |
| 19 |  🌐 Твоё ИИ-решение — в одной из крупнейших энергетических компаний России
Получи подготовленные данные и разработай ИИ-ассистента для энергетики на соревновании от ПАО «Интер РАО» при поддержке компании «Яндекс».
Призовой фонд — 750 000 рублей. Лучшие проекты смогут стать частью экосистемы компании.
Регистрация открыта до 27 сентября.
Можно участвовать одному или командой до 5 человек. Идеальный состав: разработчик, специалист по машинному обучению, аналитик и дизайнер.
Задачи соревнования — за какую возьмешься?
1️⃣ ИИ-помощник для подготовки презентаций.
2️⃣ Помощник для анализа документов из судов.
3️⃣ Ассистент для создания ИТ/ИБ-дайджестов.
4️⃣ Архитектор BPMN-диаграмм.
Стартуем 28 сентября. Придумай концепт проекта: самые сильные идеи участники доработают под руководством экспертов Группы «Интер РАО» с 9 по 23 октября. Финал в Москве — 3 ноября.
➡️ Регистрируйся: https://cnrlink.com/interraohack26dsmljobs | 1 935 |
| 20 |  17 сентября в Москве прошла AI R&D DAY — конференция для исследовательских команд и создателей ИИ-систем.
Более 600 участников на одной площадке, 20+ докладов — концентрат практического опыта, знаний и инструментов, готовых к внедрению сразу по возвращению в офис.
Обсудили альтернативные архитектуры, обучение моделей и AI-агентов, долгосрочную мультимодальную память, новые модальности и коммуникации, а также бенчмаркинг и стандарты качества AI.
Среди спикеров — эксперты Сбера (Sber AI, Kandinsky Lab, Центра «ИИ для науки», Центра практического ИИ, Центра робототехники), института AIRI, Лондонского института практических наук, Национального суперкомпьютерного центра в Цзинане и другие создатели ИИ-систем.
Видеозаписи докладов уже доступны в наших соцсетях.
А если вы хотите стать частью исследовательского коммьюнити Сбера, то переходите по ссылке
#реклама
О рекламодателе | 885 |
