ML-Engineer/Data-Engineer Team Lead
В архиве с 10 декабря 2018
Требуемый опыт работы: 3–6 лет
Полная занятость, полный день
Москва, Лужники, Спортивная, Усачёва улица, 33с1
Вакансия в архиве
Работодатель, вероятно, уже нашел нужного кандидата и больше не принимает отклики на эту вакансию
Похожие вакансии
Lead Data Engineer
500 000 – 600 000 ₽Москва, Белорусская и еще 1
Опыт от 3 до 6 лет
Можно из дома
Предстоит работать с высоконагруженной инфраструктурой, повышать надежность, производительность и расширяемость пайплайнов данных, проектировать и разрабатывать модели данных и отчетность для...
Senior Data Engineer
до 450 000 ₽Москва, Белорусская и еще 1
Опыт от 3 до 6 лет
Можно из дома
Предстоит работать с высоконагруженной инфраструктурой, повышать надежность, производительность и расширяемость пайплайнов данных, проектировать и разрабатывать модели данных и отчетность для...
Москва, Баррикадная и еще 2
Опыт от 3 до 6 лет
Создание, рефакторинг, деплой, оптимизация, мониторинг пайплайна больших (в первую очередь языковых) моделей. Проектирование и сборка MVP (контейнер docker, телеграм бот...
Высшее или среднее профессиональное образование. Уверенное знание Python (классы, параллелизм, микросервисы). Опыт работы с сервисами ML продукта. Опыт работы с...
Москва
Опыт от 3 до 6 лет
Можно из дома
Анализировать источники данных. Создавать процессы интеграции данных в DWH. Создавать процессы обновления данных внутри DWH. Помогать аналитикам с созданием витрин.
Опыт работы в DWH, Python, SQL в совершенстве. Понимание архитектуры построения хранилищ. Знание отличия Anchor от Data Vault.
Опыт от 3 до 6 лет
Загружать и обрабатывать в DWH данных внутренних и внешних систем (стек Kafka, PySpark, Hadoop, Clickhouse, AirFlow). Принимать участие в построении...
Опыт обработки больших данных, знание принципов работы БД и методологий моделирования. Продвинутый уровень владения Spark, Python, Apache AirFlow, SQL.
ML-инженер
до 250 000 ₽Москва
Опыт от 1 года до 3 лет
Построение и обучение нейронных сетей. Подготовка dataset из неструктурированных данных. Построение пайплайнов от сбора данных до получения...
Математическая база – понимание принципов математической статистики, теории вероятностей, построения моделей (Linear Regression, Logistic Regression, Random Forest, G- boosting, нейронные...
Москва, Лужники, Спортивная, Усачёва улица, 33с1