Data Scientist / ML-инженер / Python-разработчик (Middle+)

Мокка – это популярный в России и Восточной Европе финтех сервис в сегменте BNPL (Buy Now Pay Later – Покупай сейчас, плати потом). С его помощью можно получить моментальный аванс на покупки и на другие цели с оплатой частями. Зарегистрироваться в Мокка можно в два клика прямо в магазине или в мобильном приложении – для этого не надо заполнять длинные анкеты или подписывать бумаги, весь процесс полностью онлайновый.

Под капотом Мокка – более 10 лет накопленного опыта, современные мобильные и облачные технологии и уникальный гибкий подход ко всем процессам. В Мокка более 12 млн пользователей, а сам сервис доступен в >9,500 партнерских магазинах, среди которых Детский мир, Иль Де Ботэ, Авито, Мегафон и другие.

Задачи, которые тебе предстоит решать:

• Разработка e2e data-сервисов на основе ML моделей с целью снижения Cost of Risk: online модели для оценки риски дефолта новых клиентов, антифрод модели, collection модели
• Регулярная проверка новых источников данных для для снижения Cost of Risk
• Подготовка презентаций для бизнес-пользователей
• Расчет финансового эффекта от моделей

Наш стек:

инфраструктура на базе Yandex Cloud и AWS - Jupyterhub, GitLab, MLOps c Grafana/Prometheus, Kubernetes, Airflow, Greenplum, Postgre and MongoDB

Наши пожелания к экспертизе:

• Промышленная разработка на Python, опыт разработки и внедрения скоринговых моделей, моделей коллекшен, антифрод моделей
• Понимание жизненного цикла моделей: от бизнес-задачи до мониторинга качества и retraining
• Умение тестировать внешние источники данных и рассчитывать экономику подключения/пилота
• Валидация моделей, знание ключевых метрик и аналитик
• Feature engineering
• Знание классических алгоритмов машинного обучения
• Опыт работы с одним из фреймворков Django/Flask/Fastapi
• Знание SQL на хорошем уровне
• Опыт работы с Git
• Знание математической статистики

Будет плюсом

Знание Airflow, Docker
Опыт работы с Pytorch и знание алгоритмов DL

Что мы предлагаем?

• Привлекательную заработную плату в соответствии с навыками и опытом, полное соблюдение ТК РФ;
• Бонусную систему, основанную на достижении поставленных KPI;
• Профессиональный коллектив и возможность развития;
• Открытую и простую коммуникацию внутри команды;
• Работу в современном офисе в стиле лофт в БЦ “Даниловская мануфактура” (шаговая доступность от м. Тульская);
• Возможность выбрать режим работы: гибрид (4 дня в офисе, 1 удаленно) или полностью удаленно;
• ДМС, возможность выбрать технику, профессиональное обучение и т.д.
• Имеем статус аккредитованой ИТ-компании

А также:

• Быстрое влияние на бизнес-результат – нет бюрократии
• Прокачка английского языка
• Свобода в использовании сложных алгоритмов и подходов (при их целесообразности)
• Full stack моделирование, от фича инжиниринга до внедрения в прод и её мониторинга

GigaChat увидит мир через данные, которые соберёте вы.

За GigaChat стоит одна из крупнейших ML-команд в России, которая обучает LLM и VLM полным циклом — от претрейна до релиза. Наша команда отвечает за то, с чего начинается любая сильная модель, — за данные: мы собираем визуальный корпус претрейна — ищем источники, фильтруем и дедуплицируем сырьё, ставим эксперименты и меряем влияние на бенчмарки. Именно состав и качество претрейн-данных определяют, каким получится финальный результат, и у вас будет возможность влиять на него напрямую.

Обязанности

• ставить эксперименты: формулировать гипотезы, какие данные и в каких пропорциях улучшат модель, и проверять их: продумывать сетап и бейзлайны, запускать обучающие прогоны, по замерам решать, что попадёт в финальную смесь
• автоматизировать подготовку данных: выстраивать очистку, дедупликацию и валидацию так, чтобы любой новый датасет без ручной доводки приходил в готовый к обучению вид
• добывать редкие и дефицитные домены: обучать классификаторы и кластеризаторы, которые вылавливают ценные сэмплы из сырых данных, и нарезать корпус на чистые датасеты по таксономиям
• собирать данные разных форматов: генерация VQA, синтетические задачи, interleaved-данные — каждый формат устроен по-своему и требует своего подхода
• обрабатывать миллиарды изображений: писать распределённый код, который прогоняет пайплайны на всём корпусе быстро и стабильно
• находить слабые места в данных: разбираться, где модель проседает из-за корпуса — чего не хватает, что зашумлено или разбалансировано, — и исправлять это
• развивать контур оценки: подключать свежие бенчмарки, следить за чистотой методики и не пускать тестовые данные в обучающий корпус

Требования

Кто нам подходит:

Человек, который сможет провести данные от поиска источников до состава финальной смеси. Главное — умение ставить эксперименты и делать из них честные выводы. Опыт именно с VLM или LLM не обязателен: специфика осваивается быстрее, чем культура эксперимента

Что мы хотели бы видеть:

• хорошая база ML, твёрдое знание CV и NLP
• понимание, как данные влияют на качество модели, и привычка при странностях в метриках первым делом смотреть в данные
• уверенный Python и опыт обучения моделей на PyTorch
• умение спланировать эксперимент и довести его до вывода, которому можно верить
• самостоятельность и проактивность: берёте тему, разбираетесь, доводите до результата

Плюсом будут:

• опыт построения дата-пайплайнов и процессов контроля качества данных
• опыт с распределённой обработкой (Spark, Dask, Airflow, YTsaurus)
• опыт проведения ML-экспериментов на больших объёмах
• публикации на профильных конференциях.

Мы открыты к кандидатам разного уровня, и попадать во все пункты не обязательно. Если задачи откликаются — напишите нам, остальное обсудим.

Условия

Что мы предлагаем:

• опыт претрейна из первых рук. Команд, обучающих VLM полным циклом, в стране единицы — вы пройдёте весь путь от сырых данных до готовой модели
• вычислительные ресурсы под ваши эксперименты. Один из самых больших GPU-кластеров в России: проверка гипотезы о данных стоит обучающего прогона, и на такие прогоны вычислений у нас хватает
• инфраструктура, которая уже работает. S3, YTsaurus, Airflow, DataLens, GitLab CI, wandb — всё для данных и экспериментов на месте, время уходит на исследования, а не на обвязку
• задачи, на которые ещё нет ответа. Как собрать лучшие визуальные данные для претрейна, пока не знает почти никто в мире — разбираться предстоит в том числе вам
• короткий путь от гипотезы до модели. Данные, которые вы отберёте, и гипотезы, которые подтвердятся, уходят в обучение следующей модели — а ей пользуются миллионы людей
• комфортный современный офис рядом с м. Кутузовская
• возможность выбрать удобный график – офис/гибрид/удаленка (в РФ)
• годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• ипотека для сотрудников по дисконтной прогамме
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.

ОАО “Белгазпромбанк” приглашает на работу Главного специалиста в отдел моделирования и инфраструктуры данных управления офис данных (Data Scientist )

Функциональные обязанности:

• Решение Data Science задач полного цикла (сбор требований заказчика, извлечение и анализ данных, разработка ML-моделей, развертывание и мониторинг) в разных доменах (tabular, RecSys, NLP, audio).

Основные требования:

• Высшее математическое образование (прикладная математика, математическая статистика и т.п., предпочтительно диплом БГУ, БГУИР), или иное высшее образование при условии прохождения переподготовки на уровне высшего математического образования (прикладная математика, математическая статистика и т.п.);
• Стаж работы не менее 5 лет в финансовых учреждениях, в том числе опыт работы по направлению ML не менее 2 лет;
• Знание фундаментальных основ Data Science, понимание алгоритмов машинного обучения;
• Уверенное владение Python, включая библиотеки для работы с данными (в т.ч. pandas, numpy, scikit-learn, catboost);
• Опыт работы с PyTorch;
• Опыт развертывания (в виде пайплайнов или API-сервисов) и мониторинга ML-моделей;
• Умение работать с реляционными базами данных (написание сложных SQL-запросов);
• Владение git, Docker;
• Обязательное успешное прохождение тестового задания по SQL и ML;
• Хорошие коммуникативные навыки;
• Приветствуется опыт работы с LLM (RAG), навыки работы с BI-инструментами (Power BI) и опыт A/B тестирования.

Наши условия:

• Официальное трудоустройство согласно ТК РБ;
• Социальные гарантии: стабильная заработная плата, отпуск, оплата больничных;
• Реальные возможности для профессионального развития и карьерного роста внутри Банка.

Ссылка на вакансию в банке вакансий на gsz.gov.⁣by:

https://gsz.gov.by/registration/employer/vacancy/1614585/detail-public/