Загрузи резюме, чтобы видеть мэтчи с вакансиейЗагрузи резюме, чтобы видеть мэтч с вакой
подготовься к отклику
ai-инструменты
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузи резюме
описание
В Артенеси мы создаем цифровые экосистемы для премиального ритейла. Среди наших клиентов – ЦУМ, Mercury, и другие известные бренды. Мы помогаем бизнесу реализовывать цифровую стратегию - строим продукты и сервисы: от мобильных приложений и высоконагруженных систем до решений на базе машинного обучения и компьютерного зрения. Проектируем и внедряем IT-инфраструктуру там, где цена ошибки высока, а качество сервиса - стандарт. Приглашаем в нашу команду Ведущего аналитика-разработчика данных.
задачи
Выделить ядро в сервис с API: одна логика ответа для всех клиентов, единые права доступа, единый журнал вопросов и ответов
Встроить чат в приложение отчётности и сделать веб-интерфейс; развивать Telegram-бота
Развивать работу модели: инструкции и контекст (промпты, бюджет токенов, поиск по базе знаний), вызов инструментов, сверку чисел, стриминг ответа
Развивать семантический слой: датасеты, метрики, описания, справочники и синонимы — чтобы модель выбирала верную метрику и срез
Подключать новые домены: собрать вопросы бизнеса, формализовать метрики, подготовить витрины и кубы под AI-запросы
Мерить качество ответов: эталонный набор вопросов (golden), метрики точности и отказов, сравнение версий и моделей, автотесты
Отвечать за качество данных: правила проверок, мониторинг ночных загрузок, сверки с источниками, разбор инцидентов до причины, метрики качества
Проектировать витрины и отчёты: SQL Server (T-SQL, columnstore), SSAS (MDX), Power BI.
требования
5+ лет в аналитике данных / BI / DWH, из них 2+ года — разработка (не только отчёты)
Сильный SQL: оконные функции, планы выполнения, оптимизация на больших объёмах
Модель данных для BI: метрики, измерения, гранулярность; семантический слой (Superset, Power BI, SSAS или аналог)
Проектирование сервисов и API (REST) на C#/.NET и/или Python — продакшен-код с тестами
Open-weight модели, развёрнутые локально: Qwen, DeepSeek, GLM, Kimi, MiniMax и т. п.
Инференс (llama.cpp, vLLM, Ollama), квантование (GGUF), выбор модели под задачу: текст → запрос, вызов функций (function calling), длинный контекст, русский язык; сравнение моделей на своём наборе вопросов
Опыт работы с арендованной GPU-инфраструктурой и собственной GPU-инфраструктурой
LLM-разработка: промпты и контекст, агенты и инструменты, RAG — и умение проверить результат модели, а не поверить ему
Качество данных: проверки, сверки, разбор расхождений
Умение перевести вопрос бизнеса в метрику и в запрос.
Будет плюсом: Интеграция с фронтендом: встраиваемый чат-виджет, веб на React/Vue или аналоге; стриминг ответов (SSE/WebSocket); Авторизация через корпоративный каталог (AD, SSO); RLS в BI; NET, Microsoft.Extensions.AI, протокол MCP (Model Context Protocol), xUnit; Дообучение и адаптеры (LoRA), векторные базы (Qdrant), эмбеддинги; Telegram Bot API, распознавание речи; SSIS и ETL: staging / ядро / витрины, SCD, инкрементальные загрузки; Розница / fashion, Microsoft Dynamics AX; Git и код-ревью; работа в паре с AI-агентами
условия
Работающий AI-продукт с реальными пользователями и путь от одного бота к платформе
Задачи на стыке аналитики, данных и LLM в хранилище крупного ритейлера: десятки источников, кубы, сотни отчётов
Модели разворачиваются внутри компании — данные не уходят во внешние облака
Команда, которая уже использует AI-агентов в разработке и эксплуатации хранилища
Официальное трудоустройство
График работы: 5/2 с 10:00 до 19:00 (сб, вскр - выходные)
ДМС, включающий стоматологию и страховку для выезжающих за рубеж
