Подборка открытых вакансий 🔵

Data Engineer в НМГ
Удаленно / Офис / Гибрид

Data Analyst в Сбер
От 95.000₽
Офис в Омске

Middle Data Analyst в Автомакон
До 250.000₽
Удаленно

Senior Data Analyst в Атом
Удаленно / Офис / Гибрид в Москве, Санкт-Петербурге, Набережных Челнах

Senior Data Engineer в ПСБ
Офис / Гибрид в Москве

Куда бы сходить в июле? 🚀

Собрали небольшую подборку июльских мероприятий:

Java meetup. Ребята из VK AI расскажут как они масштабировали item2item и как обновляют тысячи эмбеддингов, при этом сократив потребление сети. Очень полезный митап для любителей рексис.
Когда? 9 июля 18:30.
Где? Онлайн и офлайн в Москве.

Алхимия ИИ. На вебинаре вам расскажут, что же такое нейронные сети, где их используют в промышленности и самое интересное — объяснят, где ИИ помогает в роботехнике, зачем же работу зрение.
Когда? 10 июля 19:00.

Turbo ML Conf. Программа конференции очень разнообразна, обсудят и как применять LLM для генерации музыки, и как улучшать рекомендации. А спикерами выступят не только специалисты из различных компаний, но и преподаватели ВУЗ-ов.
Когда? 19 июля.
Где? Онлайн и офлайн в Москве.

Cloud.ru Tech Lab: AI&ML. На митапе эксперты из Cloud.ru расскажут, как они автоматизировали пользовательские сценарии с помощью ИИ-агентов, а также приоткроют завесу тайн и ответят на вопрос, почему же MCP на такой хайпе и как собрать своей MCP-сервер без кода. При этом будет еще один секретный доклад.
Когда? 24 июля в 18:00.
Где? Онлайн и офлайн в Москве.

AI Engineer
Удаленно (обязательно вне РФ и РБ)

Предстоит: Проектирование и разработка PoC; участие в подготовке презентаций и технической части коммерческих предложений преимущественно для зарубежных клиентов (различные отрасли, включая HealthTech, EdTech, маркетплейсы и многое другое)... Узнать подробнее 🔵

Junior+ Data Analyst в Wildberries
Офис / Гибрид в Москве

Предстоит: Поиск аномалий в данных; Генерация и проверка гипотез; Написание скриптов поиска фродовых действий... Узнать подробнее 🔵

Assaia is looking for employees 💼

Assaia’s solutions help airports and airlines improve on-time performance, efficiency, safety, and sustainability metrics, helping them get their passengers to their destinations on time.

Assaia has the following vacancies:

➡️ Data Scientist
From 4.500€
Remote (you should be based outside Russia and Belarus)

➡️ CV Engineer
3.500 - 4.500€
Remote (you should be based outside Russia and Belarus)

Additionally, they offer:
- Always remote work and flexible schedule.
- 5 weeks of paid vacation, paid sick leave, paid relevant courses and conferences/online education/English courses.
- Regular performance reviews to make sure you enjoy your tasks, challenges, growth and salary.
- Flat hierarchy and close to zero bureaucracy, a diverse international team of smart people.
- Live team events in Europe.

Data Scientist
Удаленно

Предстоит: Разработка и дообучение LLM; Создание и оптимизация RAG-систем; Разработка, обучение и внедрение моделей машинного обучения в связке с LLM... Узнать подробнее 🔵

Подборка открытых вакансий 🔵

Senior ML Engineer в ЦИАН
Удаленно / Офис / Гибрид в Москве, Санкт-Петербурге и Новосибирске

Senior Data Scientist в Альфа Банк
Офис / Гибрид в Москве

Middle/Senior Data Analyst в Яндекс
Офис / Гибрид в Москве, Санкт-Петербурге

Стажёр Data Science в Ozon
Офис / Гибрид в Москве

Senior Data Analyst в Авиасейлс
Удаленно

Middle Data Scientist в ecom.tech
Удаленно / Офис / Гибрид

📣 Очередной совет от Андрея Карпаты новичкам в ML:

«Новички часто сосредоточены на том, что делать. Я думаю, что фокус должен быть смещен на то, сколько вы это делаете. Вам следует найти то, что вам интересно и буквально вложить в это 10.000 часов времени».

Что думают все друзья, когда я говорю, что работаю с ИИ 😐

Менеджер по анализу больших данных в Теле2
Офис / Гибрид в Москве

Предстоит: Выдвигать и проверять гипотезы, внедрять улучшения, оценивать их эффективность; Подготавливать отчеты на базе текущих источников; Систематизировать и анализировать полученную информацию... Узнать подробнее 🔵

Что нужно знать, чтоб устроиться Дата-Аналитиком?

Data Analyst — специалист, который в основном занимается подготовкой данных и их визуализацией, еще иногда можно встретить обязанности по проверке гипотез.

Минимальными навыками для аналитиков данных — знание python (numpy, pandas, matplotlib), SQL, PowerBI/Tableau/QlikView, статистика, реже в вакансиях встречается Excel и R.

Интервью на Data Analyst ничем не отличается от других должностей — созвон с рекрутером, чтобы узнать кто вы/что вы, техническое интервью, где вы решаете поставленную проблему и рассказываете про прошлые кейсы, и финальное интервью, где упор сделан на софт скилы.

Вот пример реального интервью Data Analyst в LetsGetChecked:
В описании вакансии внимание уделялось проверке данных и обеспечению их качества в сфере здравоохранения. В качестве требований к кандидату было:
➖ Проверка и интерпретация данных, выдвижение гипотез;
➖ Написание запросов T-SQL и опыт работы с BigData;
➖ Стек: AWS, PowerBI/Tableau, Github/Bitbucket, Python/Powershell, Redshift DW, Jira, GitLab и Confluence;
➖ Мониторинг и аудит качества данных.

🔷 Раунд 1: телефонное интервью.

Примерно через неделю был телефонный созвон. Во время этого звонка рекрутер в первую очередь сосредоточился на опыте и оценил знакомство с компанией.
Примерные вопросы:
Расскажите о себе?
Что вы знаете о LetsGetChecked?
Почему вас интересует должность аналитика данных, а не инженера данных?

🔷 Раунд 2: Первое техническое собеседование.
Оцениваемые компетенции: сотрудничество, технические знания и умение решать проблемы.

В этом раунде интервьюеры в первую очередь сосредоточились на ситуационных вопросах, связанных с командной работой, тестированием ПО и подходами к проверке данных. Они хотели понять, как я сотрудничал с другими и преодолевал трудности в прошлых проектах в отношении данных.

❓Примеры вопросов:
- Какие шаги или структуру вы используете для проверки данных и обеспечения их соответствия бизнес-требованиям?
- Как вы отлаживаете неожиданные значения NULL, которые появляются только в месте назначения, но не в источнике?
- Модели Agile и Waterfall: какую из них вы бы выбрали, учитывая сценарий?
- Как вы справляетесь с проблемами, когда ваша команда испытывает трудности?

🔷Раунд 3: Оценка.

Для этого раунда я получил документ, содержащий 10 реальных задач Transact-SQL вместе с БД MS SQL Server. Задача включала понимание всех таблиц БД, анализ модели данных и написание расширенных SQL-запросов для решения этих задач.
При изучении набора данных важно развить некоторые знания предметной области, чтобы точно интерпретировать результаты.

Примечание: будьте терпеливы; требуется обширное исследование таблиц. Вы также должны определить как прямые, так и косвенные связи между таблицами.
Были 3 простых вопроса, 5 вопросов среднего уровня и 2 сложных вопроса.

❓Примеры заданий:
Рассчитать продажи с начала года (SalesYTD) с указанной даты до даты окончания отчетного года.
Найдите 10 лучших сотрудников, у которых есть степень бакалавра и которые достигли самых высоких продаж.

Финальный раунд 4: Тех. собеседование.
Оцениваемые компетенции: тех.экспертиза, решение проблем и софт скилы.

Первые 30 минут раунда были сосредоточены на объяснении моего кода SQL. В это время интервьюеры задавали подробные вопросы о них. В следующие 30 минут они задавали углубленные вопросы, охватывающие как технические, так и поведенческие аспекты.
Примеры:
Объясняя мои запросы, они спрашивали, как я могу их оптимизировать?
Выберите дату, max(date2) из ​​таблицы1;
Каков вывод запроса?
Union или Union All?

Весь процесс собеседования занял около 3 недель.

Основные выводы по процессу найма:
➖ При планировании собеседований уделяйте как можно больше времени подготовке.
➖ Убедитесь, что ваши объяснения понятный и не отходят от темы.
➖ Сосредоточьтесь на читабельности и оптимизации при построении запросов.
➖ Задавайте соответствующие вопросы в конце каждого собеседования, чтобы показать свою заинтересованность в должности.
После всех собеседований запланируйте отдельную встречу для обратной связи, которая поможет вам в будущем.

Senior Database Administrator в Match Systems
От 3.000$
Удаленно / Гибрид / Офис

Предстоит: Поддержка HA PostgreSQL кластеров; Проектирование архитектурных решений и доработка существующих; Мониторинг, резервное копирование и тестирование резервных копий, анализ производительности... Узнать подробнее 🔵

Data Scientist в ecom.tech
Удаленно / Гибрид / Офис

Предстоит: Строить модели оптимизации, и решать их. Модели как линейного/линейно-целочисленного программирования, так и модели программирования в ограничениях; Взаимодействовать с бизнесом, понимать их ограничения, описывать плюсы и минусы различных подходов к оптимизации... Узнать подробнее 🔵

Как российские тех-компании работают с данными

Наткнулись на любопытное исследование: К2Тех провел опрос среди 100 различных российских компаний. Среди опрошенных IT-директора, аналитики и дата-инженеры. Результаты вышли довольно любопытными.

➡️ В ходе опроса оказалось, что 25% компаний испытывают сложности с интеграцией данных их различных источников, при этом 21% вовсе несут денежные потери из-за низкого качества данных.

➡️ В ходе опроса также выяснилось, что для повышения эффективности работы с данными 31% компаний оптимизируют процессы сбора и хранения данных, 25% инвестируют в автоматизированные инструменты очистки, а 20% делают акцент на обучении сотрудников правильному обращению с данными.

Лидеры рынка предпочитают выстраивать экосистемы управления данными, которые охватывают весь технологический цикл: от сбора и обработки до аналитики и машинного обучения. Данные превратились из вспомогательного ресурса в ключевой актив, - комментирует руководитель направления Big Data & BI К2Тех.

В целом, примерно 3 из 4 компаний планируют увеличить инвестиции в Big Data к 2026 году. Поэтому неплохо бы вспомнить о том, как работать с данными.

Senior Data Engineer
Удаленно / Гибрид / Офис в Москве, Санкт-Петербурге, Новосибирске
(Рассматриваются кандидаты только из РФ)

Предстоит: Разработка с нуля MVP новой дата-платформы и инфраструктуры для ingest/transform; Мигрирование существующих пайплайнов с Hadoop/HDFS на новую архитектуру (S3, Kafka, Spark, ClickHouse)... Узнать подробнее 🔵

RL – с чего начать?

Обучение с подкреплением – это один из самых известных разделов машинного обучения. Сейчас оно используется почти везде, особенно активно в робототехнике и больших языковых моделях. Особую популярность RL обрело после победы модели AlphaGo от DeepMind в чемпионате мира по Go в 2016 году.

Для тех, кто давно планировал погружение в RL, мы составили небольшой роадмэп того, что стоит изучить:

1️⃣ Виды RL. Помимо основных концепций: агент, среда, состояние, действия, награды, необходимо также знать, на какие типы делится обучение с подкреплением. Обычно это положительное подкрепление, отрицательное подкрепление, положительное наказание и отрицательное наказание.

Положительное подкрепление — это поощрение после выполнения действия. Мы даем поощрение, и это приводит к повтору верного действия в будущем. В отрицательном подкреплении, чтобы повысить вероятность повторения действия в будущем, наоборот, удаляют нежелательный стимул. Например, у вас болит голова, тогда вы принимаете таблетку. В данном случае вы повторите прием таблетки в будущем, чтобы удалить нежелательный стимул (боль).

Положительное наказание — это добавление нежелательного стимула после выполнения определенного неверного действия для того, чтобы снизить вероятность повтора. В отрицательном наказании, наоборот, убирается желательный стимул, что также снижает вероятность повторения действия.

На примере: если ребенок ведет себя плохо, то нежелательным стимулом станет порицание родителей. Это будет положительное наказание. Если же ребенок принес плохую оценку, то родители могут забрать у него игрушки. Это уже будет отрицательное наказание, то есть удаление желательного стимула.

Изучение лучше начать именно с положительного подкрепления и положительного наказания. Почитайте теорию и попробуйте обучить простенькую змейку.

2️⃣ Изучите основные алгоритмы. Если с типами более-менее разобрались, то RL-алгоритмы можно разделить на два вида: жадные (те, которые ищут максимальную выгоду на текущем шаге) и те, что стараются максимизировать общий результат. К первой категории таких алгоритмов как раз относятся Epsilon-Greedy и Greedy Policy Improvement, а ко второй — Q-learning, SARSA и DQN.

3️⃣ Даже если вы уже изучили линал, статистику и классический ML, то для RL этого будет недостаточно. Необходимо дополнительно изучить теорию по марковским процессам. Хорошая новость в том, что все-все знать необязательно (но рекомендуется), достаточно изучить только марковские процессы принятия решений (MDPs). В крайних случаях помогает изучение частично наблюдаемых марковских процессов (POMDP), которые могут быть полезны тогда, когда информация о состоянии агента не полная.

4️⃣ Доп. ресурсы. Разумеется, не обойтись без книги "Обучение с подкреплением" Ричарда Саттона и Эндрю Барто. 5-минутные лекции по MDPs и лекции от университета Waterloo по POMDP. Еще рекомендуем пройти бесплатный курс по RL от Hugging Face.

Senior Data Scientist
From 4.500 to 9.000€
Remote / Hybrid Cyprus, Poland

What to do: Work with large-scale data from various sources to develop ML models for (Predicting LTV, Segmenting users, Detecting anomalies); Develop algorithms to personalize the gaming experience; Analyze and validate model accuracy.... find out more 🔵