Позиция: Junior/Middle/Senior DS под задачи AutoML и AutoDL

Куда: Альфа-Банк, Лаборатория машинного обучения

Формат работы: полная занятость; офис в Москве; на данной позиции возможна полная удаленка, нет требований ходить в офис

Вилка гросс:
Junior: 120-240K + ежеквартальная премия (~15% от дохода за квартал)
Middle: 240-450k + ежеквартальная премия (~15% от дохода за квартал)
Senior: 360-570k + ежеквартальная премия (~15% от дохода за квартал)

Премия не зависит от kpi и ревью с плюсиками, фактический покрывает налог.

Про нас:
Направление ML автоматизации в Лаборатории машинного обучения Альфа-Банка. Мы разрабатываем SOTA AutoML/AutoDL решения - сервисы и библиотеки, которые автоматически строят крутые ML модели, улучшая инструментарий для повышения эффективности работы банковских DS. Флагманские продукты - AutoML AMELIA и AutoDL ANNA, кроме этого есть набор других сервисов. Сервисы ежедневно используются в работе десятками DS.

В направлении 4 человека: 2x Kaggle Competition Master (Team Lead и Senior), 1x Middle, 1x Junior.

Что предстоит делать?
- ML разработка полного цикла: улучшение качества алгоритмов автообучения нейросетей/бустингов на широком классе задач, оптимизация скорости решений, проведение бенчмарков, улучшение пользовательского опыта библиотек/сервисов, поддержка пользователей (технически подкованных DS)
- Работа совместно с командами DE, MLOps, Мониторинга над интеграцией решений в промышленную среду
- Лидерство новых направлений развития ML автоматизации

От нас:
- Постоянное карьерное и личностное развитие: амбициозные задачи, полный цикл разработки, выступления на конференциях
- Нет дейликов, минимум бесполезной активности
- Новые макбуки
- ДМС со стоматологией, сервис с юристами/психологами/коучами
Требования:
- Опыт работы в DS/ML
- Отличное знание бустингов
- Отличное знание Pytorch
- Высшее образование (оконченное или учишься) в области компьютерных наук, математики или смежных дисциплин
- Английский язык на уровне чтения технической документации

Будет большим плюсом:
- Успех в ML-соревнованиях
- MLOps стек/навыки (Jenkins/Airflow/Kuber... в дополнение к ML)
- Опыт с Pyspark/Hadoop

Ответы на 10 важных вопросов в оригинальной статье (https://habr.com/ru/company/alfa/blog/709416/).
Про непосредственного руководителя - linkedin

Резюме направляйте на почту [email protected] с темой «DS в Лабораторию»

Позиция: Руководитель проектов Data Science (AI-продакт) в команду развития лояльности
Компания: Альфа-Банк
Локация: Москва, м. Технопарк (гибрид, 1-2 дня в офисе)
Вилка гросс: 400-600k + ежеквартальная премия

В Альфа-Банке уже внедрены сотни моделей машинного обучения и сорвано большинство низко-висящих фруктов. Дальнейшее развитие возможно через глубокое погружение бизнеса в нюансы Data Science. Новый член команды поможет нам сократить оставшийся гэп между бизнесом и Data Science. Эта позиция в бизнес-подразделение для специалиста, который хорошо разбирается в Data Science (но не будет делать его своими рукоми), проектном менеджменте и обладает хорошими софт скиллами.

Задачи:
— Повышать уровень монетизации действующих моделей в продуктах лояльности;
— Разрабатывать и внедрять стратегию покрытия бизнес-процессов моделями;
— Брать лидерство в части реализации крупных и сложных внедрений (10-15% от общего бэклога);
— Формировать и защищать бэклог разработки моделей по задачам в рамках своей зоны ответственности;
— Находить лучшие практики в других подразделениях и внедрять в зоне своей ответственности;
— Обогащать бизнес технической экспертизой, а датасаентистов погружать в бизнес-цели и потребности.

Что ожидаем от кандидата:
— Опыт создания или оптимизации банковских бизнес-процессов;
— Знание и понимание основных принципов и алгоритмов машинного обучения;
— Опыт кросс-функционального руководства командами DS и бизнеса;
— Знание и умение применять основные метрики оценки качества моделей;
— Понимание принципов внедрения изменений в продукты/процессы (управление бэклогом, синхронизация различных команд);
— Знание и понимание передовых рыночных решений в части ИИ;
— Опыт разработки моделей ИИ и их внедрения в промышленную эксплуатацию;
— Знание и понимание жизненного цикла разработки моделей.

1. Данные: Hadoop + частично DWH. Историчность с 2016 г.
2. Железо. Разработка моделей: до 64 ядер CPU + 600 ГБ RAM + 2xNVIDIA A100 80GB. Продакшн: cистема исполнения моделей + команда MLOps + команда DE + команда поддержки. Для работы: MacBook.
3. Масштаб влияния на core-бизнес. Все линии бизнеса покрыты ML моделями, где необходимо – успешно внедрен DL.
4. Уровень развития Data Science. Все ключевые процессы покрыты моделями. Модели постоянно совершенствуются в целях максимизации финансового эффекта.
5. Роль дата сайентиста. Не применимо для данной позиции.
6. Бэкграунд у вашего руководителя. LinkedIn
7. Как часто вам будут мешать работать. Работа проектная => около половины времени - это встреч со смежными командами
8. Карьерный рост. Подразделение только формируется => потенциал вертикального роста
9. Prod/Research. Prod.
10. Функция сервиса или лидера. Функция лидера

Резюме направляйте на почту [email protected] ✉️ с темой "Руководитель проектов Data Science лояльность"

Позиция: Junior/Middle/Senior DS + Team Lead NLP под задачи LLM
Куда: Альфа-Банк, Лаборатория машинного обучения
Формат работы: полная занятость; офис в Москве; на данной позиции возможна полная удаленка, нет требований ходить в офис
Вилка гросс:
Junior: 120-240K + ежеквартальная премия (~15% от дохода за квартал)
Middle: 240-450k + ежеквартальная премия (~15% от дохода за квартал)
Senior: 360-570k + ежеквартальная премия (~15% от дохода за квартал)
Team Lead: 400-700k + ежеквартальная премия (~15% от дохода за квартал)

Премия не зависит от kpi и ревью с плюсиками, фактический покрывает налог.

Про нас:
Мы NLP команда Лаборатории машинного обучения Альфа-Банка (под руководством Жени Смирнова). Занимаемся моделями для чат-ботов и голосовых помощников, автоматизируем контроль качества, ищем инсайты в обратной связи клиентов, упрощаем жизнь сотрудникам колл-центра и ускоряем внутреннюю техподдержку с помощью NLP.

Команда состоит из сильных молодых ребят, выпускников ШАД, МФТИ, МГУ, ВШЭ. Мы регулярно участвуем в соревнованиях и хакатонах, в команде несколько kaggle мастеров.
Альфа поддерживает успехи в соревнованиях премией в одну зп за первое место, и в половину зп за второе.

Мы занимаемся полным циклом разработки: от общения с заказчиком с переводом задачи на ml-ный язык до внедрения моделей в промышленный контур. А помогает нам команда разметки, mlops, мониторинга и другие.

Плюшки: гибкий график (нет требований начинать работать в 10:00, главное выполнять задачи вовремя и соблюдать коммуникацию с контрагентами), отличный ДМС со стоматологией, рабочие макбуки, корпоративные скидки.

На этой позиции предстоит разрабатывать ассистентов и чат-ботов на основе LLM для внешних клиентов Банка и для внутренних сотрудников, развивать и применять генеративный ИИ в реальных продуктовых проектах.

Тебе предстоит:
- Строить RAG-пайплайны для обслуживания сотрудников и клиентов Альфы
- Дообучать LLM на банковском домене данных
- Развивать retriever, улучшать поиск
- Использовать LLM для автоматизации процессов банка
- Внедрять разработанные модели в продакшн, приносить банку пользу и реальные деньги

Требования:
- Опыт работы в области машинного обучения и NLP (3+ лет для Senior)
- Знание, понимание архитектур и опыт работы с моделями, такими как GPT, BERT и другими
- Уверенные знания Python и библиотек для машинного обучения (TensorFlow, PyTorch, transformers…)
- Знание основ работы с большими данными и опытом их обработки (Spark, Hadoop)
- Высшее образование в области компьютерных наук, математики или смежных дисциплин
- Английский язык на уровне чтения технической документации

Будет плюсом:
- Опыт работы с RAG пайплайнами и LLM моделями
- Успешный соревновательный опыт
- Широкий технический кругозор

На позиции тимлида предстоит:
- управлять командой в 5+ человек
- проактивно приносить реальную пользу бизнесу с помощью NLP (особенно LLM)
- вести тесную коммуникацию с заказчиками

Ответы на 10 важных вопросов в оригинальной статье.

Резюме направляйте на почту [email protected] с темой «NLP Engineer в Альфа-Банк» или «NLP Team Lead в Альфа-Банк»

Позиция: Middle+/Senior ML Engineer на все руки
Куда: Life Pay
Формат работы: Полная занятость. Гибридный график: Москва (офис на Арбате), возможны командировки в MENA и ЮВА, готов обсуждать удаленку
Вилка (net): 250-300k/350-450k соответственно

Про нас: LIFE PAY — Series B стартап, 119 место в рейтинге 500 быстрорастущих технологических компаний Smart 500, разработчик платежных, кассовых и учетных программных продуктов для ритейла и сферы услуг. Я (@flashnik, выпускник МФТИ, ex-Kaggle top-300, делал решения для 9 отраслей, более 500 моделей на проде) собираю с нуля команду для запуска нового направления - создания ML/AI-First продуктов в РФ и в Global. Сейчас в команде есть один бизнес-аналитик (и еще одна вакансия) и 2 вакансии на ML-инженера.

В течение ближайших нескольких месяцев нашей AI-команде нужно нащупать бизнес-модель и найти product-market fit - а для этого придется делать много PoC, придумывать и создавать MVP, а также выбрать и развернуть (с помощью девопсов) инфру. После выбора продуктовой ниши и перехода в стадию развития продукта можно будет сконцентрироваться на одной из предметных областей/одном из продуктов.

Что предстоит делать:
- Все, что необходимо сделать со стороны технологий для запуска и взлета (ToTheMoon) AI-направления;
- Создание технологических PoC и запуск MVP;
- Анализировать работу сторонних моделей (OpenAI, Anthropic, …) и строить прототипы на их основе;
- Собирать датасеты и обучать модели для классического ML (прогнозирование временных рядов и не только, работа с транзакционными данными, классификация, рекомендашки);
- Анализировать сторонние решения для оценки качества их работы;
- Применять CV для решения бизнес-задач (например, распознавание товаров на фото);
- Разрабатывать/файнтюнить и внедрять модели с GenAI для текстов и картинок/видео;
- Внедрять AutoML;
- Разрабатывать сервисы с моделями, к которым будет интегрироваться бэкенд и фронтенд;
- Создавать задачи на разворачивание инфры и помогать в ее разворачивании;
- Проектировать/участвовать в проектировании архитектуры ML-продуктов и сервисов.

В перспективе при получении инвестиционного транша на запуск продуктов, увеличении команды и фокусировке на конкретных продуктах можно будет выделить для себя более узкую область для профессионального роста.

Что классного в вакансии:- Greenfield - никакого legacy, выбор технологий в первую очередь исходя из технологических и бизнес-соображений;
- Быстрый фидбек - либо продолжаем работу над PoC/MVP, либо переходим к следующей гипотезе из бэклога;
- Возможность проявить себя в решении задач на разные типы алгоритмов;
- Возможность присоединиться к команде запуска стартапа внутри стартапа на самой ранней стадии - стать первым инженером в команде;
- Возможность работать над решениями для глобального рынка;
- Возможность напрямую влиять на запуск и рост бизнеса.

Стек- Пишем на Python;
- Текущие данные хранятся в Postgres, ClickHouse;
- Есть возможность использовать несколько облаков и другие решения;
- Прототипируем в Jupyter;
- Для переноса в прод можем использовать Flask, StreamLit, Airflow, Kafka, Kubernetes и т.д.;
- Изменение и расширение стека может быть одним из артефактов деятельности кандидата.

Требования к кандидату- совокупный опыт работы в ML/DS/AI от 3 лет;
- уверенное владение Python и SQL;
- насмотренность в разных областях ML;
- опыт в классическом ML, в том числе, работа с транзакционными данными и Time-Series;
- опыт с рекомендашками, особенно для ритейла;
- опыт с NLP;
- опыт использования LLM для не-английского языка будет большим плюсом;
- понимание CI/CD, MLOps, готовность выстраивать инфру с нуля или принять участие в проектировании архитектуры и постановке задачи на DevOps;
- опыт полного цикла внедрения моделей обязателен;
- умение коммуникации с бизнесом внутри команды и со смежными командами (как бизнес, так и разработка, девопс и т.д.);
- самостоятельность, инициативность и умение декомпозировать при решении задач.

Продолжение и ответы на 10 вопросов в 1-м комментарии 👇

Позиция: Аналитик-разработчик
Куда: Купер (ех СберМаркет)
Формат работы: Полная занятость. Полная удаленка, есть возможность работы из офиса в Москве, м. Новокузнецкая
Вилка (gross): 250-350к gross

Про команду: DS-команда краткосрочной эффективности операций - создает и развивает технологии баланса спроса и предложения в сервисе (технологии мы называем сокращенно сурж). У нас уже есть написанный сервис для плановой доставки, который позволяет нам в онлайне управлять доступностью слотов для доставки, при этом есть много гипотез, которые мы хотим внедрить в алгоритм.

Что предстоит делать:
- Улучшить текущий алгоритм суржа в плановой доставке
- Разработать и внедрить сурж слотов в быстрой доставке- Находить точки роста в сурж-сервисах
- Разрабатывать новые решения для регулирования спроса

Что классного в вакансии:- мы делаем алгоритмические решения для операций, а операции - сердце бизнеса Купера
- у нас нет работы в стол: мы быстро проверяем гипотезы и либо развиваем сервис, либо не работает впустую
- мы даем много творческой свободы: для нас важно найти решение бизнес-проблем

Стек
- Пишем на Python и SQL;
- Данные храним в ClickHouse, S3;
- Прототипируем в Jupyter, успешные эксперименты переносим на Airflow + Kubernetes;

Требования к кандидату- совокупный опыт работы в дата-аналитике/продуктовой аналитике/ds от 2 лет
- уверенное владение Python и SQL;
- Git, Bash, Docker, Gitlab CI
- опыт полного цикла внедрения моделей или аналитико-разработческих систем (сбор данных, обучение и оценка модели/написание алгоритма, проведение А/Б-тестов, выкатка в прод);
- самостоятельность, инициативность и умение декомпозировать при решении задач.

Ответы на 10 важных вопросов:
1.Данные: собираем данные как в клиентской части (заказы, детализация заказов, логи в приложении), так и в курьерской части (выполенные заказы, выбранные смены, логи курьерского приложения)
2.Железо: Для работы - Macbook. ML ресурсы нашей компании находятся в Yandex.Cloud, группе ML предоставляются виртуальные машины с GPU A100/V100, ноды с GPU в клаудных кубернетисах для прогона дагов, и еще большой список нод для иной нагрузки, не вовлекающей ГПУ, такой как Trino, Airflow, прогона кастомного кода.
3.Масштаб влияния на core-бизнес? Осень-зима - самый активный период бизнеса Купера; технологии, которые разрабатывает команда ML-операций, поддерживают качество и эффективность сервиса, мы напрямую влияем на бизнес.
4.Уровень развития Data Science в компании? Data Science является ключевым направлением развития компании, команда проникла во все домены бизнеса, сейчас есть 6 команд, создающие решения для своего домен: операции, поиск, рекомендательные системы, маркетинг, контент и ads-платформа. Есть отдельная команда MLOps, развивающая платформу длдя удобной работы.
5.Роль дата сайентиста: DS в команде делает работу полного цикла: от исследования идея до выкатки в продакшн.
6.Бэкграунд у вашего руководителя? linkedin
7.Как часто вам будут мешать работать? 2-5 часов организационных встреч в неделю: командные процессы (дейли, планирования, ретро, грумминги) + синки с продуктом и вертикалью операций
8.Карьерный рост: перфоманс ревью 2 раза в год
9.Prod/Research: 50/50, поэтому позиция - аналитик-разработчик: мы ожидаем, что будут и вопросы для изучения и продумывания, также и реализация в продакшне.
10.Функция сервиса или лидера? 60/40 в сторону лидера, задачи, которые предлагаем на этой позиции, не решались, их нужно придумать и реализовать, и мы ждём самостоятельности и инициативности.
Направляйте ваши резюме ✈️@daria_lagodyuk

Позиция: Senior Data Analyst
Куда? Хантфлоу, Data Science команда.
Формат работы: Удаленно в РФ или Москва (с возможностью посещать офис, м. Дмитровская). Возможно оформление не в РФ с работой по всему миру.
Вилка (на руки): 250-400 тыс. руб. (или эквивалент в евро)

Описание вакансии

Хантфлоу — компания в области HRTech, предоставляющая передовые решения для автоматизации рекрутинга. Наш продукт помогает компаниям эффективно закрывать вакансии, сокращая время на поиск и отбор кандидатов. Подробнее о компании вы можете узнать на сайте.
Сейчас мы стремимся развивать аналитическое направление и ищем опытного Senior Data Analyst, который станет первым аналитиком в компании и поможет заложить основы этой функции.
Основной спектр задач аналитического направления будет включать:

- Задачи от бизнес-юнитов компании: автоматизация расчета метрик, построение дашбордов, формирование и проверка гипотез по улучшению бизнес-процессов.
- “Внутренние” задачи в команде Data Science: проведение А/Б тестов, мониторинг моделей.

Кроме непосредственного решения задач, Вы также будете играть важную роль в оценке необходимости дополнительных ресурсов, включая потенциальный найм новых аналитиков и выделение роли Data Engineer. На этой роли возможен постепенный рост в руководителя аналитики.

Что нужно делать?

- Создавать и развивать интерактивные дашборды для мониторинга ключевых показателей бизнеса.
- Взаимодействовать с бизнес-заказчиками: совместно разрабатывать гипотезы, формулировать задачи и анализировать результаты.
- Презентовать аналитические выводы и рекомендации бизнес-заказчикам, обеспечивая их понимание и внедрение.
- Налаживать ETL-пайплайны, необходимые для решения аналитических задач.
- Формировать и продвигать аналитическую культуру в компании, обучая коллег и внедряя лучшие практики.

Требования

- Опыт работы в качестве Data Analyst не менее 4 лет.
- Подтвержденный успешный опыт внедрения аналитических решений и их влияния на бизнес-результаты.
- Технологический стек: Python (sklearn, pandas, numpy), SQL, Git, Docker, Airflow.
- Опыт работы с инструментами визуализации данных (Tableau/Power BI/DataLens/Superset)
- Опыт создания и внедрения интерактивных дашбордов.
- Опыт разработки и оптимизации ETL-пайплайнов.

Условия:
- Рабочий mac
- Профессиональное обучение и повышение квалификации за счет компании
- Расширенная программа ДМС со стоматологией, вызовом врача на дома и полисом путешественника — после испытательного срока
- Ежемесячная компенсация оплаты интернета при работе из дома, или проезда при работе из офиса
- 12 дней «без больничного» в год.

Ответы на 10 важных вопросов:
1. Данные:
- Более 40 млн кандидатов в базе
- Более 100 тыс. вакансий
- Более 300 млн действий по кандидатам
- 8 лет истории
2. Железо:
- Рабочий MacBook Pro
- Аренда облачных серверов с GPU
3. Масштаб влияния:
Для компании Data Science — «The Next Big Thing» и ключевое направление в развитии компании. Есть возможность сыграть ключевую роль в становлении аналитической функции.
4. Уровень развития Data Science в компании:
В плане аналитики — чистое поле. Роль подразумевает зарождение аналитической функции.
5. Чем занимаются дата сайентисты в компании:
Дата аналитиков сейчас в команде нет, ожидаются те функции, что описаны в вакансии.
6. Какой бэкграунд у вашего потенциального руководителя:
linkedin (https://www.linkedin.com/in/koptelov-dmitrii/)
7. Как часто вам будут мешать работать:
1 час еженедельного синка по задачам
8. Карьерный рост:
На этой роли возможен рост в руководителя аналитики
9. Research/Prod: Prod
10. Функция сервиса или лидера?
в большей степени функция лидера

✉️ Резюме отправляйте на почту: [email protected]
✈️ По вопросам в тг: @meacca

? Ищем к себе в Лабораторию

Позиция: Стажер по направлению Deep Learning

Куда? Альфа-Банк, Лаборатория машинного обучения, монетизация нейронных сетей.

Формат работы: Москва, м. Технопарк. Возможна полная удаленка.

Вилка (gross): 60К, при успешной стажировке переход на Junior: 120-240K + ежеквартальный бонус ~ 15% (от дохода за квартал)

Что предстоит делать на этой позиции?
Под руководством ментора совершенствовать наши модели глубокого обучения на последовательных данных для применения во всевозможных процессах в банке

Что ожидаем от кандидата:
- Крепкая база по DL, наличие солидных и самостоятельно выполненных проектов с использование глубокого обучения
- Умение читать и понимать статьи по DL, имплементировать наработки из статей самостоятельно
- Знание классического ML.
- Уверенное владение ML- и DL-стеком Python: Pytorch, lightgbm/xgboost/catboost, Scikit-Learn, Pandas, Numpy.
- Умение работать с инструментами Spark, Hadoop, Hive - как преимущество

Будет большим плюсом:
- Призовые места на сореврованиях
- Выполненные проекты по использованию последовательных данных
- Умение перенести архитектуру из статей в код модели

Ответы на 10 важных вопросов в оригинальной статье, бэкграунд непосредственного руководителя - linkedin мини-интервью

Подробнее о том, чем занимается наша команда, можно почитать тут
1. https://habr.com/ru/companies/alfa/articles/709416/
2. https://habr.com/ru/companies/alfa/articles/551130/
3. https://habr.com/ru/companies/alfa/articles/657577/

Присылайте резюме в TG @Aleksey_Firstov с форматом «Стажер_Фамилия_Имя»

? Ищем к себе в Лабораторию двоих специалистов для развития AutoML и AutoDL сервисов.

Позиция: Junior/Middle/Senior Data Scientist, 2 позиции.

Куда? Альфа-Банк, Лаборатория машинного обучения, монетизация нейронных сетей.

Формат работы: Москва, м. Технопарк. Возможна полная удаленка.

Вилка (gross):
- Junior: 120-240k + ежеквартальная премия (~15% от дохода за квартал)
- Middle: 240-360k + ежеквартальная премия (~15% от дохода за квартал)
- Senior: 360-460k + ежеквартальная премия (~15% от дохода за квартал)

Одно из направлений работы Лаборатории в Альфа-банке - автоматизация рутинных ML процессов и внедрение новых технологий в качестве сервисов для улучшения работы. За последний год мы создали 2 сервиса автоматического моделирования - AutoML и AutoDL, кроме того несколько сервисов снимающих рутинные обязанности с DS'ов, а сегодня мы ищем новых сотрудников для их расширения и развития.

Что предстоит делать на этой позиции?
- Развивать кастомные сервисы автоматического моделирования (AutoML, AutoDL) и автоматизации рутины (веб-интерфейсы для моделей, сервисы для аналитики)
- Внедрять в сервисы новые данные и типы моделей
- Улучшать стабильность и качество текущих AutoML алгоритмов
- Оптимизировать код
- Поддерживать пользователей (технически подкованных DS)
- Работать совместно с командами DE, MLOps, Мониторинга над интеграциями сервисов в промышленную среду
- Лидировать развитие новых направлений автоматизации: в частности, автоматизацию оценки эффектов от новых источников данных

Что ожидаем от кандидата:
- Промышленный опыт разработки и внедрения нейросетевых моделей (для middle и выше).
- Знание классического ML.
- Уверенное владение ML- и DL-стеком Python: Pytorch, lightgbm/xgboost/catboost, Scikit-Learn, Pandas, Numpy.
- Умение работать с инструментами Spark, Hadoop, Hive.
- Опыт перевода бизнес-задач в термины ML (для middle и выше).

Будет большим плюсом:
- Контрибьют в ML-библиотеки
- Опыт full-stack разработки
- Успешный соревновательный опыт
- Навыки с NAS, математической оптимизацией

Ответы на 10 важных вопросов в оригинальной статье. Про непосредственного руководителя - Kaggle Competition Master, linkedin
Наши сервисы: AutoML , AutoDL (AutoDL)

Присылайте резюме по почте [email protected] с темой “DS в Лабораторию”.

Позиция: Маркетинговый аналитик
Куда? Альфа-банк, Маркетинг, Ангелы Альфы
Формат работы: Гибрид: Москва, м. Технопарк + удаленно. Но можно и полностью удалённо. Просто по вторникам мы собираемся в офисе, но это необязательно.
Вилка гросс: 120к - 160к гросс + квартальная премия 15%

Что нужно делать?
• Анализировать эффективность рекламных размещений в социальных сетях;
• Объяснять команде на цифрах, почему что-то отработало плохо, а что-то хорошо. К примеру, почему где-то нужен мем (или мэм?), а где-то нет;
• Контролировать и оценивать эффективность рекламных закупок в социальных сетях. Расскажем как мы делаем, а потом ты сам нас научишь, как лучше;
• Помогать команде следить за бюджетом: планирование, сравнение факта с планом и корректировка бюджета как в большую, так и в меньшую сторону;
• Строить дашборды. Как бы избито и шаблонно это не звучало.

Требования:
• Желателен опыт работы с анализом рекламных размещений (телеграм, ВК);
• Продвинутый уровень excel, но в основном нужны Google Sheets;
• Уметь ловко собирать понятную картину из разрозненных данных;
• Уметь без стеснения объяснять на цифрах, почему кто-то не прав;
• Превращать непонятный устный бриф в чёткий образ результата. И отработать его ?

Ответы на 10 важных вопросов:
1. Данные: собираются автоматически из рекламных кабинетов или через мониторинговые системы, да и по классике — вручную. Однако чёткого процесса пока нет
2. Железо: выделенных серверов нет, вычисления локально ? По ноуту всё обсуждаемо.
3. Масштаб влияния на core-бизнес? Мы не бизнес, а маркетинг. Делаем так, чтобы бизнес выглядел максимально sexy
4. Уровень развития Data Science в компании? В Альфе всё с этим хорошо, однако до маркетинга пока только добирается ?
5. Роль дата сайентиста: Помогать команде принимать рациональные взвешенные и эффективные решения. А то сами знаете этих эмоциональных маркетологов
6. Бэкграунд у вашего руководителя? Руководитель не аналитик, но поможет всеми возможными ресурсами, чтобы вы развивались и росли. Главное — общаться и снесняться давать обратную связь в моменте, не копить в себе ? Linkedin Статья на VC, когда ещё работал в Бланке тг-канал - @ismailtot
7. Как часто вам будут мешать работать? Обсудим, как будет удобно. Никто не хочет загружать ненужными встречами. Главное — результат
8. Карьерный рост:Пересмотр зарплат раз в год, но карьерный рост зависит от уровня инициативности и амбиций.
9. Prod/Research: не применимо
10. Функция сервиса или лидера? Лидер сервиса, который из текущего хаоса построит понятную картину для команды и захочет дальше собирать команду

Направляйте ваши резюме - ? [email protected] ✈️ @vwvwvwika

? Ищем к себе в Лабораторию стажеров на NLP

Позиция: Стажер NLP (4 позиции)
Куда?: Альфа-Банк, Лаборатория Машинного Обучения, отдел NLP
Формат работы: Полная занятость на период стажировки (4-6 месяцев). Удаленная работа или возможность работы из офиса в Москве
Вилка гросс: 60К, при успешной стажировке переход на Junior: 150-200K + ежеквартальный бонус ~ 15% (от дохода за квартал)

Про нас:
Помогаем автоматически обрабатывать обращения клиентов за счет моделей для ботов в чате и голосовом канале. Снижаем рутину в работе оператора благодаря моделям для ассистента оператора и автоматической классификации обращений клиентов на 1000+ классов. Покрываем широкий класс nlp-задач: поиск инсайтов в обратной связи клиентов, классификация новостей с целью выявления событий комплаенс контроля, автоматизация обращений сотрудников в helpdesk, выявления алертов в качестве обслуживания, автоматизация контроля качества контактного центра и многие другие nlp-задачи. Команда приступает к следующему этапу развития через развитие экспертизы в LLM. Подробнее про часть задач можно узнать в треке nlp in practice.

Тебе предстоит:
- Улучшать действующие модели в непрерывном цикле, состоящем из поиска инсайтов->разметки->моделирования->аб-тестирования
- Строить RAG-пайплайны для обслуживания сотрудников и клиентов Альфы
- Дообучать LLM на банковском домене данных
- Улучшать качество и эффективность моделей ассистента оператора
- Использовать LLM для автоматизации процессов разметки данных
- Развивать комплекс моделей для улучшения качества работы операторов и менеджеров в отделениях (контроль качества, суммаризация диалогов, семантический поиск, выявление инсайтов)

Ответы на 10 важных вопросов в оригинальной статье

Резюме направляйте на почту ✉️[email protected] с темой «Стажер в лабораторию»,
Вопросы пишите в ✈️@IkIzma.