Разработка на Python — удалённая работа в Москве

Настройка, доработка существующего продукта. М-КОНСАЛТ — группа компаний, более 15 лет развивающая сетевые форматы в продуктовом ритейле, направлении готовой еды и ресторанном бизнесе. Мы соединяем эти форматы с собственным пищевым производством в единую цепочку — от сырья и разработки рецептуры до производства, продаж и гостевого опыта. Сейчас группа входит в следующий этап развития: мы усиливаем существующие форматы и развиваем систему управления данными так, чтобы она выдерживала дальнейший рост бизнеса. Для нас важно, чтобы данные из 1С, iiko и других систем автоматически, точно и стабильно доходили до SQL/DWH, BI и AI, а бизнес работал с единой и достоверной информацией. Для этого мы ищем Lead Data Engineer / Data Integration Engineer на проектную работу, который возьмёт ответственность за всю цепочку движения данных: 1С / iiko / другие системы ? SQL/DWH ? BI ? AI. КАК МЫ СТРОИМ РАБОТУ С ДАННЫМИ — И В ЧЁМ ВАША РОЛЬ 1.Вся цепочка данных должна стабильно работать Наш подход. Для нас недостаточно, чтобы каждый отдельный участок системы работал сам по себе. Данные должны стабильно проходить весь путь от первичной операции в 1С, iiko или другой системе до SQL/DWH и конечного потребителя — BI или AI. Ваша роль. Обеспечивать работоспособность всей цепочки данных. Настроить мониторинг ключевых точек, своевременно выявлять сбои, самостоятельно определять место и причину проблемы и доводить восстановление до результата, подключая при необходимости специалистов 1С, BI и других разработчиков. 2. Данные должны быть точными и своевременными Наш подход. Бизнес не должен принимать решения на устаревших, неполных или противоречивых данных. Критичные показатели должны быть проверяемыми, а расхождения — выявляться до того, как их заметит пользователь. Ваша роль. Обеспечивать качество и скорость данных: настроить контроль свежести, полноты и корректности, автоматические сверки между источниками, SQL/DWH, BI и AI и понятный порядок работы с выявленными расхождениями. 3.Единая архитектура вместо разных версий данных Наш подход. У одной бизнес-метрики не должно быть нескольких версий в разных отчётах и системах. Источники данных, логика расчётов и движение информации должны быть понятны и прозрачны. Ваша роль. Обеспечивать единую архитектуру данных: определить источники истины, убрать дублирующие выгрузки и параллельные расчёты, выстроить понятную структуру интеграций и обеспечить возможность проследить путь любой критичной цифры от первичной операции до BI или AI. 4.Data Platform должна становиться быстрее и надёжнее Наш подход. Ручные выгрузки, нестабильные обмены, медленные запросы и постоянное устранение одних и тех же сбоев не должны становиться нормой. Система должна становиться устойчивее по мере развития бизнеса. Ваша роль. Повышать надёжность и эффективность Data Platform: оптимизировать ETL/ELT, SQL-запросы и витрины, автоматизировать ручные операции, устранять узкие места и обеспечивать понятный и стабильный доступ к данным отдельно для BI и AI. КАКОГО СПЕЦИАЛИСТА МЫ ИЩЕМ Вы видите всю цепочку данных целиком, а не только отдельный участок своей работы. Если данные перестали поступать или цифры в BI не сходятся с учётной системой, вы умеете самостоятельно пройти всю цепочку, локализовать проблему, определить её причину и довести исправление до результата. Для вас результат — не написанный код, созданная интеграция или запущенный pipeline. Результат — данные, которые стабильно доходят до конечного потребителя, проходят необходимые проверки и могут использоваться бизнесом. Вы системны, внимательны к качеству данных, спокойно работаете со сбоями и умеете взаимодействовать со специалистами разных направлений без перекладывания ответственности между командами. Нам важен практический опыт работы с SQL, ETL/ELT, DWH и интеграциями через API / БД / файлы, опыт настройки Data Quality, сверок и мониторинга. Важно понимание структуры и принципов интеграции с 1С. Опыт работы с iiko, Power BI, Python, Airflow и AI/LLM будет преимуществом. ЧТО В ЭТОМ ПРОЕКТЕ ДЕЙСТВИТЕЛЬНО МОЖЕТ БЫТЬ ИНТЕРЕСНО Взять ответственность не за отдельную интеграцию, а за всю цепочку движения данных компании. Работать с реальными операционными системами бизнеса: 1С, iiko и другими источниками. Выстроить связь между операционными данными, SQL/DWH, BI и AI. Убрать ручные и нестабильные обмены и разные версии одних и тех же цифр. Создать систему контроля, в которой ошибки и сбои становятся видимыми до того, как их обнаруживает пользователь. Влиять на архитектуру Data Platform и готовить её к подключению новых источников, BI-отчётов и AI-сценариев. Видеть конкретный результат своей работы: данные поступают стабильно, цифры сходятся, сбои контролируются, а система не требует постоянного ручного вмешательства. ЧТО МЫ ПРЕДЛАГАЕМ Проектный формат сотрудничества. Работу с действующим бизнесом и реальной архитектурой данных группы компаний. Возможность влиять на архитектуру и технические решения, а не только выполнять отдельные задачи. Взаимодействие со специалистами 1С/iiko, BI, AI и бизнесом. Понятный результат проекта и возможность дальнейшего сотрудничества после его реализации. Стоимость и сроки проекта обсуждаем индивидуально с подходящим специалистом. Если вы видите данные как единую цепочку, умеете находить причину сбоя, отвечаете за конечный результат и хотите построить систему, в которой данные стабильно проходят путь от 1С/iiko до BI и AI, — нам точно стоит познакомиться.

Анализ и продажи на Amazon. Пожелания и особенности: Ищем специалиста по продажам на Amazon.

Подготовка презентации. Подготовка презентации.

Обучение.

Настройка. Пожелания и особенности: Инженер по эксплуатации Data-платформы / Инженер сопровождения (Middle/Senior) Ищем инженеров сопровождения для работы на проекте крупного банка. Формат: удалённо Локация: РФ Гражданство: РФ Занятость: полная График: по МСК Срок проекта: от 1 года Уровень: Middle / Senior Требования Обязательно: — Практический опыт сопровождения промышленных кластеров Oracle / PostgreSQL на уровне L2/L3: самостоятельная диагностика и устранение инцидентов, работа с логами, сетью, ОС и БД. — Администрирование Oracle / PostgreSQL: настройка, управление сессиями, PXF, backup/restore, изменение конфигурации без перезапуска. — Глубокие навыки диагностики Linux и сетей: поиск проблем на уровне ОС, соединений и приложений, анализ больших логов, regexp. — Написание Ansible playbook, автоматизация конфигураций, откат изменений через Git и повторный прогон. — Установка и настройка nginx: работа с конфигами, проверка синтаксиса, reload без остановки сервиса. — Работа с SSL-сертификатами: проверка, конвертация форматов, обновление на production. — Уверенный SQL: JOIN, агрегатные и оконные функции, сложные выборки, анализ расхождений, диагностика и базовая оптимизация запросов. — Самостоятельное проведение технических работ и релизов в production: backup, rollback plan, уведомления, пострелизные проверки. — Опыт с Grafana и ITSM-системами: регистрация, маршрутизация и эскалация инцидентов. — Ведение эксплуатационной документации и базы знаний. Будет плюсом: — Informatica ETL — Python, Pandas — Apache Airflow: мониторинг DAG, анализ ошибок, restart заданий — Omnitracker — FineBI — участие в DR-тестировании — LDAP / Active Directory, сопровождение ролевых моделей и требований ИБ — Greenplum Задачи — Мониторинг работоспособности компонентов ИС, инфраструктуры, ETL и интеграций. — Анализ инцидентов, логов и результатов автоматических проверок качества данных. — Настройка и развитие мониторингов и контрольных проверок. — Сопровождение релизов: проверка документации, установка, пострелизная проверка, контроль стабилизации. — Сопровождение ролевой модели и требований ИБ. — Участие в DR-тестировании. — Работа с инцидентами через ITSM. — Ведение эксплуатационной документации и базы знаний. Чтобы мы рассмотрели отклик, пожалуйста, напишите в сообщении: 1) С какими БД работали в промышленной эксплуатации — Oracle / PostgreSQL / Greenplum? 2) Был ли hands-on опыт L2/L3 сопровождения и самостоятельного разбора инцидентов? 3) Есть ли практический опыт с Ansible, Linux, nginx и SSL-сертификатами?.

Обучение. Пожелания и особенности: Здравствуйте! Ищу наставника-практика, который поможет мне с нуля освоить аналитику данных и подготовиться к первым собеседованиям. Мой реальный уровень: Python: Знаю базовый синтаксис (переменные, списки, словари, циклы if/for, функции). Пишу в PyCharm. Но я совершенно не знаю Pandas и Numpy — это мой главный пробел. SQL: Работала с PostgreSQL. Умею делать простые SELECT, JOIN, GROUP BY. Оконные функции и сложные подзапросы — пока слабо, хочу прокачать до уверенного уровня. Статистика: школьная база, хочу понять, как применять её на практике (проверка гипотез, распределения). Мои цели: Обучение с нуля библиотекам Pandas/Matplotlib/Seaborn для обработки и визуализации данных. Помощь в выборе первой специализации — я пока не знаю, что мне ближе, надеюсь на вашу подсказку. Совместная разработка 1–2 пет-проектов (например, анализ датасета с продажами или пользователями) для портфолио на GitHub. Разбор типовых задач с собеседований (SQL + продуктовые метрики). По формату: я открыта к предложениям. Готова начать с пробного урока (чтобы понять, комфортно ли нам работать), а дальше обсудим регулярность (хочу заниматься 1–2 раза в неделю). Очень жду откликов от тех, кто умеет объяснять сложные вещи "на пальцах" и работает с джунами.

Разработка с нуля. Необходимо срочно реализовать учебный ML-проект по Entity Resolution — автоматический поиск и дедупликация клиентских профилей. По ТЗ датасет должен быть предоставлен организаторами/университетом. На данный момент файла датасета у меня нет, поэтому нужно разработать воспроизводимый pipeline, который будет работать после его получения. Что требуется: — EDA и анализ дубликатов; — очистка и нормализация ФИО, email, телефонов и других полей; — blocking для поиска кандидатов; — feature engineering и признаки похожести; — ML-модель для определения дубликатов; — Precision / Recall / F1 и подбор порогов; — объединение найденных дубликатов в кластеры; — error analysis и правила auto-merge / manual review; — Streamlit-интерфейс для демонстрации результата. На выходе нужен готовый воспроизводимый Python-проект с Git, README, requirements/pyproject, метриками, Streamlit-демо, кратким техническим отчётом и презентацией. Стек: Python 3.10+, pandas, numpy, scikit-learn, RapidFuzz и другие open-source библиотеки. Важно: нужен специалист именно с опытом ML / Entity Resolution, который сможет объяснить решение на защите, а не просто предоставить код. Срок: до 10.09 включительно.