Разработка на Python — удалённая работа в Москве

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.

Помощь в решении задачи. Необходима помощь в выполнении аналитической задачи системе optimacros.

Разработка с нуля, настройка, доработка существующего продукта.

Data Science. Разработка с нуля.

Разработка с нуля. Т.