Если вы раньше входили через Google, сбросьте пароль для своей Gmail-почты через кнопку «Забыли пароль?» на экране входа. Затем войдите по email и новому паролю.
Если аккаунта ещё нет, зарегистрируйтесь с Gmail-почтой, после подтверждения почты мы предложим задать пароль.
Что нового
Загружаю обновления...
Что нового
Загружаю обновления...
Работа найдется быстрее с подпискойКандидат найдётся быстрее с подпиской
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
Remote (не из РФ/РБ/Укр)
Проект связан с созданием AI-ассистента и аналитических решений на базе LLM для международных enterprise-клиентов.
задачи
Проводить discovery-сессии с бизнес-заказчиками, формировать каталог вопросов и benchmark-наборы для оценки AI-решения перед запуском;
Анализировать источники данных Oracle EPM, Landfolio и AcQuire, определять доступность данных в ADLS и Databricks, согласовывать подход к их использованию или загрузке;
Описывать схемы данных и контролировать качество данных;
Собирать и формализовать требования к AI-чату и дашбордам, переводить бизнес-задачи в постановки для ML-инженеров;
Формировать и поддерживать базу знаний для RAG, готовить датасеты для оценки качества поиска и цитирования;
Проводить тестирование и бенчмаркинг AI-решения, анализировать ошибки, участвовать в UAT и пилотных запусках;
Поддерживать проектную документацию и архитектурные материалы;
Проводить передачу знаний.
требования
Опыт от 3 лет в роли Data Analyst, System Analyst или Product Analyst на проектах с данными, ML или AI для enterprise-клиентов;
Уверенный SQL и опыт анализа и профилирования данных;
Понимание LLM-продуктов, RAG, Text2SQL, промптинга, ограничений моделей, оценки качества ответов и работы с eval-наборами;
Опыт сбора и формализации требований: discovery, user stories, критерии приёмки, спецификации данных;
Английский язык уровня C1;
Готовность самостоятельно работать в распределённой команде и участвовать в регулярных встречах с клиентом по UTC+3;
Будет плюсом опыт работы с Databricks, Spark SQL, Azure ADLS, Databricks Genie, AI Foundry, Power BI и другими BI-инструментами, финансовыми данными, Oracle EPM или Hyperion, регуляторными документами, лицензированием, системами класса Landfolio, геологическими и пространственными данными, AcQuire, ArcGIS или аналогичными ГИС-системами, в доменах Mining, Oil & Gas или Heavy Industry, а также использование Python и pandas для анализа данных и опыт оценки LLM, включая LLM-as-a-Judge, Ragas и Promptfoo.