Alfa Advanced Analytics

Готовьте резюме 🚀

Мы развиваем не только экспертизу в создании ИИ-моделей, но и активно ищем специалистов, которые помогут выстроить бизнес-логику внедрения моделей.

Поэтому собрали вторую часть подборки вакансий, если пропустили первую, смотрите в посте. Чтобы узнать больше и откликнуться, переходите по ссылкам:

🔗 Data scientist модели скоринга юр.лиц

Что нужно: опыт от 3 лет в аналитике и построении статистических моделей; сильные знания ML, матстата и SQL; уверенный Python (pandas, scikit-learn, xgboost, lightgbm, pyspark); опыт работы с Hadoop (Hive, Impala, Spark) и Git; умение создавать признаки и внедрять модели в продакшн.

🔗 Data scientist Middle/Middle+

Что нужно: опыт от 3 лет в ML и аналитике; уверенный Python (pandas, scikit-learn, xgboost/lightgbm) и продвинутый SQL; хорошие знания алгоритмов; понимание матстата и статистических тестов; опыт работы с дисбалансом и калибровкой.

🔗 Data scientist Time Series Middle/Middle+

Что нужно: от 2 лет опыта в DS и выводе моделей в прод; уверенный Python, SQL и PySpark; сильный бэкграунд в Time Series задачах, бустингах, регрессии, классификации и ранжировании; опыт в оптимизационных задачах.

🔗 Руководитель по внедрению решений продвинутой аналитики (AI-продакт в кибербезопасность)

Что нужно: опыт в кибербезопасности (AppSec, DevSecOps, MLsecOps) или готовность быстро погрузиться; внедрение безопасных практик в SDLC/CI/CD; интеграция AI/ML для поиска уязвимостей и выявления аномалий; опыт работы с кросс-функциональными командами и управление бэклогом.

🔗 Руководитель по внедрению решений продвинутой аналитики среднего бизнеса (AI-продакт)

Что нужно: опыт в банковском секторе; работа с данными юр.лиц; опыт оптимизации бизнес-процессов и внедрения ИИ-сервисов с эффектом; понимание ML и бизнес-метрик; управление бэклогом и взаимодействие с кросс-функциональными командами.

🔗 Руководитель по развитию ИИ-решений

Что нужно: опыт в банке, бигтехе или консалтинге; внедрение ИИ-сервисов с бизнес-эффектом; управление бэклогом и приоритизация инициатив; понимание ML и бизнес-метрик; знание рыночных AI-решений; опыт подготовки и защиты презентаций.

🔗 Руководитель направления по развитию генеративного ИИ

Что нужно: успешное внедрение крупных AI-проектов; глубокое понимание LLM; опыт самостоятельной разработки и внедрения моделей приветствуется.

🔗 Бизнес-аналитик в AI команду

Что нужно: опыт внедрения крупных AI-проектов; глубокое понимание AI, особенно LLM; навыки создания инфраструктуры для аналитики и обработки больших данных; умение формализовать бизнес-требования и контролировать качество решений.

🔗 Senior Product AI

Что нужно: опыт управления AI-проектами от 3–4 лет в банках, финтехе или консалтинге; опыт внедрения AI-решений с измеримым эффектом; экспертиза в банковских и операционных процессах; лидерский опыт управления крупными кросс-функциональными командами.

A если вы сами не ищете работу, делитесь подборкой с друзьями 🤝

#aaa_career

«Я один» ➡️ «автоматизируем вместе»

Четырехлетним опытом реализации делится Валентин Конюх, руководитель направления тестирования ML-моделей.

В материале Валентин рассказывает про практики управления командой и выстраивания процессов с нуля, которые будут полезны не только тестировщикам, но и любым командам. Подробно разбирает подходы к автоматизации тестирования, а ещё рассказывает о своём личном пути от единственного тестировщика до руководителя.

На карточках коротко разбираем основные идеи статьи. Чтобы узнать детали, переходите по ссылке и читайте.

Читать статью 🔗

#aaa_habr

Сезон найма открыт 🔥

Сейчас мы активно запускаем проекты, поэтому ищем новых коллег, готовых решать задачи вместе.

Собрали актуальные вакансии, вдруг одна из них именно для вас. Чтобы узнать больше и откликнуться, переходите по ссылкам:

🔗 Старший специалист направления мониторинга качества моделирования

Что нужно: опыт в валидации, разработке или мониторинге NLP-моделей; уверенное владение Python и SQL; знание Hadoop/Spark/Hive; опыт с BI-инструментами; навыки валидации и мониторинга моделей, формулировки гипотез и анализа данных.

🔗 Специалист по разработке нейронных сетей

Что нужно: опыт в ML и NLP от 1 года; знание архитектур и работа с GPT/BERT; уверенное владение Python, PyTorch, transformers; умение строить RAG-пайплайны и дообучать LLM; опыт работы с большими данными (Spark, Hadoop).

🔗 Data scientist рисковые модели РБ

Что нужно: знание теории
вероятностей, статистики и ML; понимание Python (numpy, pandas, scikit-learn, xgboost/lightgbm/catboost); опыт работы с SQL и Hadoop (Hive, Impala, Spark).

🔗 Руководитель направления по разработке нейронных сетей

Что нужно: управленческий опыт и руководство DS-командой; глубокие знания в Deep Learning и NLP; работа с архитектурами GPT, BERT и др.; уверенный Python (PyTorch, transformers) с умением писать кастомный код; опыт работы с большими данными (Spark, Hadoop).

🔗 Senior data scientist модели для юр.лиц

Что нужно: знание классического ML; опыт разработки и внедрения моделей на табличных данных, включая uplift-модели; уверенный Python (lightgbm/xgboost/catboost, scikit-learn, pandas, numpy); навыки работы с большими данными (Spark, Hadoop, Hive) и SQL.

🔗 Data scientist Geospatial Analyst

Что нужно: опыт от 2 лет в Data Science или геоаналитике; уверенный Python с библиотеками Geopandas, Osmnx; продвинутый SQL (Hadoop, Trino, Postgres) и PostGIS; опыт с GIS-системами и API картографических сервисов; знание теории графов и алгоритмов маршрутизации; опыт визуализации данных.

🔗 Senior ML engineer

Что нужно: опыт от 3 лет в ML и разработке; уверенный Python, PySpark, Hadoop, Kafka; опыт работы с Airflow/Argo, Mlflow, Jenkins; внедрение ML-моделей как сервисов; навыки бэкенд- и веб-разработки; работа с LLM и NLP; Docker и Kubernetes.

Это только первая часть подборки, продолжение скоро 👀

#aaa_career

Как мы распределяем бюджет на кэшбэк?

Как сделать так, чтобы довольны остались и пользователи, и банк? За этим вопросом стоит непростая математическая задача.

На Хабре вышла статья Нины Комаровой, руководителя направления интеллектуального анализа данных в продвинутой аналитике розничного бизнеса. В ней Нина подробно разбирает три подхода к распределению бюджета в категорийном кэшбэке.

Читать статью 🔗

#aaa_habr

Китай, генеративные модели и наши ребята из Альфы ⚡️

В Харбине прошла международная школа SMILES 2025 — две недели лекций, хакатонов и прикладных исследований. Впервые школа вышла за пределы России.

Главной темой стали генеративные модели для разномодальных данных. Участники из России и Китая провели две недели в совместной учёбе, обсуждениях и поиске новых решений.

Среди преподавателей и студентов школы были наши ребята. Поговорили с ними и с Алексеем Зайцевым, руководителем Лаборатории прикладных совместных исследований Сколтех-Сбер в Центре ИИ Сколтеха. На карточках делимся, как всё прошло и какие инсайты привезли ребята из Альфы 👆

А ещё делимся ссылкой на запись лекций 🔗

#aaa_experts