Каталог специалистов направления Разработка и ИТ

- Инженер данных с опытом разработки и сопровождения ETL-процессов и хранилищ данных; - Занимается построением процессов обработки данных для аналитических систем: разработкой потоков загрузки данных, проектированием витрин и таблиц в DWH, интеграцией данных из внешних API и внутренних информационных систем. Ключевые навыки: - Hadoop, Apache Kafka, Apache NiFi, Airflow, Hive, Clickhouse, Greenplum, PostgreSQL, Spark, Scala, Bash, Python, разработка ETL/ELT процессов, оптимизация запросов к базам данных.

Сергей — Data Scientist с опытом работы в FinTech & Banking. Опыт напрямую связан с разработкой аналитических платформ, ML/DS решений, ETL/ELT-процессов и высоконагруженных систем обработки данных в enterprise и финтех-проектах. Более 5 лет работает с Python, SQL, Apache Spark/PySpark, Airflow, PostgreSQL, ClickHouse, Kafka и Hadoop/Hive, занимаясь как аналитикой данных, так и построением production-ready data pipelines и аналитических сервисов. Имеет практический опыт в области Data Science и аналитики: разработка рекомендательных моделей, проведение ML-экспериментов, анализ качества данных, проверка статистических гипотез, A/B testing и построение продуктовых метрик. Работал с классическими ML-подходами, Bayesian models, Probabilistic Graphical Models (PGM), Variational Bayesian Inference (VBI) и Reinforcement Learning (RL) для аналитических и рекомендательных задач. Использовал bootstrap, параметрические и непараметрические статистические методы, а также методы множественной проверки гипотез при анализе результатов экспериментов. В рамках проектов занимался разработкой оптимизированных SQL и Spark-запросов под SLA, обработкой больших объемов данных и оптимизацией Spark jobs с использованием Spark UI, broadcast join, partitioning и caching. Писал reusable production code на Python с соблюдением PEP8, использовал PyTest для тестирования ETL и аналитических компонентов, участвовал в code-review и развитии внутренних стандартов разработки. Также работал с визуализацией данных и аналитической отчетностью с использованием matplotlib, seaborn, plotly, Superset и Grafana. Дополнительно имеет опыт взаимодействия с бизнес-заказчиками: сбор и декомпозиция требований, формализация ТЗ, обсуждение архитектурных решений, roadmap и развитие аналитических сервисов. Участвовал в построении Data Lake/DWH решений, поддержке data lineage, metadata management и развитии процессов Data Governance.

Роман — AI-разработчик уровня Middle+ из Москвы, специализация — разработка решений в области искусственного интеллекта и робототехники. Имеет высшее образование по специальности «Прикладная математика и информатика» в Московском государственном университете им. М.В. Ломоносова (бакалавриат и магистратура). Ключевые навыки включают C++, GOlang, Python, SQL, алгоритмы, архитектуру, компьютерное зрение, Data Science, глубокое обучение, машинное обучение, нейронные сети, NLP и другие. Владеет английским языком на уровне B2. Имеет опыт работы на следующих проектах: - Сбер. AI/LLM платформа для автоматизации внутренних процессов (роль — ML Engineer): разработка и внедрение интеллектуальных решений на базе LLM, построение AI-агентов и агентских систем, разработка пайплайнов обработки информации, интеграция LLM-моделей в корпоративные сервисы. - Axenix. Enterprise LLM / GraphRAG / Document AI платформа (роль — Data Scientist / ML Engineer): разработка ML/DL решений в области NLP и Generative AI, разработка и обучение мультимодальных моделей на базе Vision Transformer (ViT) и RuBERT, работа с сильно несбалансированными датасетами. - KazDream. NLP система машинного перевода (роль — ML Engineer Intern): разработка NLP решений, работа с Transformer архитектурами, разработка переводчика для mixed-language сценариев.