Forwarded from Data jobs — вакансии по data science, анализу данных, аналитике, искусственному интеллекту
#вакансия #аналитикданных #DataAnalyst
#СПб #СанктПетербург
Вакансия: Аналитик данных/ Data Analyst
Компания: ЕДИНЫЙ ЦУПИС
Локация: Санкт-Петербург
Занятость: полная
Опыт работы: от 2 лет
ЕДИНЫЙ ЦУПИС - предоставляет собой современный и качественный платежный сервис по переводу денежных средств, а также обеспечивает надежную и безопасную платежную инфраструктуру для своих клиентов. Проект входит в ТОП-5 российских платежных компаний по совокупному обороту электронных денег.
В связи с расширением мы находимся в поиске Аналитика данных
Чем будете заниматься:
•Обследование источников данных;
•Описание алгоритмов обработки данных;
•Формирование отчетов и информационных панелей с помощью BI-системы
•Формирование аналитических выгрузок данных, в соответствии с запросами профильных подразделений.
Что ждем от вас:
•Работа с Tableau на уровне уверенного пользователя.
•Знание основ математической статистики и математического аппарата анализа данных.
•Составление SQL-запросов, понимание особенностей работы колоночных баз данных (ClickHouse, Vertica).
•Умение и желания разбираться в предметной области и консультировать коллег.
Что мы можем предложить вам:
•Комфортабельный офис в историческом центре Санкт-Петербурга (пешая доступность от м. Пл. Восстания). Гибридный формат работы (офис/удаленная работа на период пандемии).
•Официальное оформление, согласно ТК РФ, "белая" зарботная плата.
•Уровень з/п обсуждаем с каждым соискателем индивидуально.
•Корпоративные подарки.
•Оформление ДМС после успешного прохождения испытательного срока.
•Офисный врач, возможность ежегодной вакцинации против гриппа/COVID19.
•Корпоративное обучение английскому языку, возможность принятия участия в профильных конференциях и мероприятиях.
•Обеды, печеньки/шоколадки/фрукты в течение рабочего дня, поздние ужины из ресторана Italy.
•Возможность работать в профессиональной, сплоченной команде.
На все вопросы отвечу, пишите: @AsyaTimofeeva
#СПб #СанктПетербург
Вакансия: Аналитик данных/ Data Analyst
Компания: ЕДИНЫЙ ЦУПИС
Локация: Санкт-Петербург
Занятость: полная
Опыт работы: от 2 лет
ЕДИНЫЙ ЦУПИС - предоставляет собой современный и качественный платежный сервис по переводу денежных средств, а также обеспечивает надежную и безопасную платежную инфраструктуру для своих клиентов. Проект входит в ТОП-5 российских платежных компаний по совокупному обороту электронных денег.
В связи с расширением мы находимся в поиске Аналитика данных
Чем будете заниматься:
•Обследование источников данных;
•Описание алгоритмов обработки данных;
•Формирование отчетов и информационных панелей с помощью BI-системы
•Формирование аналитических выгрузок данных, в соответствии с запросами профильных подразделений.
Что ждем от вас:
•Работа с Tableau на уровне уверенного пользователя.
•Знание основ математической статистики и математического аппарата анализа данных.
•Составление SQL-запросов, понимание особенностей работы колоночных баз данных (ClickHouse, Vertica).
•Умение и желания разбираться в предметной области и консультировать коллег.
Что мы можем предложить вам:
•Комфортабельный офис в историческом центре Санкт-Петербурга (пешая доступность от м. Пл. Восстания). Гибридный формат работы (офис/удаленная работа на период пандемии).
•Официальное оформление, согласно ТК РФ, "белая" зарботная плата.
•Уровень з/п обсуждаем с каждым соискателем индивидуально.
•Корпоративные подарки.
•Оформление ДМС после успешного прохождения испытательного срока.
•Офисный врач, возможность ежегодной вакцинации против гриппа/COVID19.
•Корпоративное обучение английскому языку, возможность принятия участия в профильных конференциях и мероприятиях.
•Обеды, печеньки/шоколадки/фрукты в течение рабочего дня, поздние ужины из ресторана Italy.
•Возможность работать в профессиональной, сплоченной команде.
На все вопросы отвечу, пишите: @AsyaTimofeeva
Как сократить время деплоя алгоритмов с двух месяцев до двух дней?
Сегодня мы хотим познакомить вас vektonn.io — высокопроизводительной векторной поисковой системой для ваших приложений в области анализа данных.
vektonn.io помогает управлять жизненным циклом векторов и радикально сокращает время вывода моделей в продакшен.
Проект развивается разработчиками Контура и неоднократно использовался для решения внутренних задач (например, для определения проблемы пользователя по обращению в чате, классификации банковских транзакций по персональным категориям или поиска товара в товарно-учётных системах по названию из накладной).
Известны случаи, когда время деплоя алгоритмов сокращалось с двух месяцев до двух дней.
vektonn.io
— обеспечивает поддержку как плотных, так и разреженных векторов
— поддерживает точные и приближенные алгоритмы kNN (AkNN)
— предоставляет масштабируемую архитектуру для обработки данных объемом в сотни ГБ
— обеспечивает хранение и версионирование моделей и датасетов
— распространяется бесплатно и находится под лицензией Apache, поэтому вы можете бесплатно и свободно использовать его в коммерческих целях
— на практике доказал свою эффективность, существенно сокращая time-to-market моделей
— является open source проектом и потому вы сможете присоединиться к его развитию
Узнать подробности о проекте и приступить к работе можно на сайте — https://vektonn.io
Документация, примеры и quick start — https://vektonn.github.io/vektonn/
Вопросы-предложения можно публиковать в сообществе — https://t.iss.one/vektonn
Сегодня мы хотим познакомить вас vektonn.io — высокопроизводительной векторной поисковой системой для ваших приложений в области анализа данных.
vektonn.io помогает управлять жизненным циклом векторов и радикально сокращает время вывода моделей в продакшен.
Проект развивается разработчиками Контура и неоднократно использовался для решения внутренних задач (например, для определения проблемы пользователя по обращению в чате, классификации банковских транзакций по персональным категориям или поиска товара в товарно-учётных системах по названию из накладной).
Известны случаи, когда время деплоя алгоритмов сокращалось с двух месяцев до двух дней.
vektonn.io
— обеспечивает поддержку как плотных, так и разреженных векторов
— поддерживает точные и приближенные алгоритмы kNN (AkNN)
— предоставляет масштабируемую архитектуру для обработки данных объемом в сотни ГБ
— обеспечивает хранение и версионирование моделей и датасетов
— распространяется бесплатно и находится под лицензией Apache, поэтому вы можете бесплатно и свободно использовать его в коммерческих целях
— на практике доказал свою эффективность, существенно сокращая time-to-market моделей
— является open source проектом и потому вы сможете присоединиться к его развитию
Узнать подробности о проекте и приступить к работе можно на сайте — https://vektonn.io
Документация, примеры и quick start — https://vektonn.github.io/vektonn/
Вопросы-предложения можно публиковать в сообществе — https://t.iss.one/vektonn
Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение pinned «Как сократить время деплоя алгоритмов с двух месяцев до двух дней? Сегодня мы хотим познакомить вас vektonn.io — высокопроизводительной векторной поисковой системой для ваших приложений в области анализа данных. vektonn.io помогает управлять жизненным циклом…»
🤖 Решаем задачи машинного обучения с помощью алгоритма градиентного бустинга
Градиентный бустинг (Gradient Boosting) – один из самых эффективных инструментов для решения задач машинного обучения, в особенности на соревнованиях Kaggle. Чтобы научиться правильно его применять, разберем подробнее лежащие в основе алгоритма процессы.
https://proglib.io/sh/EfGw4Bm3xW
Градиентный бустинг (Gradient Boosting) – один из самых эффективных инструментов для решения задач машинного обучения, в особенности на соревнованиях Kaggle. Чтобы научиться правильно его применять, разберем подробнее лежащие в основе алгоритма процессы.
https://proglib.io/sh/EfGw4Bm3xW
3 лучших пакета Python для визуализации, которые помогут в вашей деятельности в области науки о данных.
https://proglib.io/w/b33c36ae
https://proglib.io/w/b33c36ae
Medium
Top 3 Visualization Python Packages to Help Your Data Science Activities
Use these packages to help your Data Science work
This media is not supported in your browser
VIEW IN TELEGRAM
В 🤖robot_dreams стартует курс для аналитиков, разработчиков, начинающих Data Scientists и всех, кто знает базовый синтаксис Python и хочет использовать этот язык для работы с большими массивами данных.
⠀
За 16 практических онлайн-занятий вы:
▪️научитесь работать с разными типами и структурами данных
▪️освоите 11 библиотек Python для анализа и визуализации
▪️разберетесь в построении простых ML-моделей
▪️будете решать задачи прогнозирования, классификации и кластеризации данных
⠀
Регистрируйтесь на курс, чтобы открыть новый подход в работе с большими данными
https://bit.ly/3nQ50JF
⠀
За 16 практических онлайн-занятий вы:
▪️научитесь работать с разными типами и структурами данных
▪️освоите 11 библиотек Python для анализа и визуализации
▪️разберетесь в построении простых ML-моделей
▪️будете решать задачи прогнозирования, классификации и кластеризации данных
⠀
Регистрируйтесь на курс, чтобы открыть новый подход в работе с большими данными
https://bit.ly/3nQ50JF
🧩 5 интересных головоломок и задач, чтобы отвлечься от рутины и немного пошевелить извилинами (выпуск 6)
В очередной еженедельной подборке мы подготовили 5 новых интересных алгоритмических, логических и математических задачек для отдыха и прокачки мозгов.
https://proglib.io/sh/50fOumxwsC
В очередной еженедельной подборке мы подготовили 5 новых интересных алгоритмических, логических и математических задачек для отдыха и прокачки мозгов.
https://proglib.io/sh/50fOumxwsC
Vektonn.io — эффективное решение, радикально сокращаюшее время вывода моделей в продакшен
— Поддержка плотных и разреженных векторов
— Точные и приближенные алгоритмы kNN (AkNN)
— Масштабируемая архитектура для обработки данных объемом в сотни ГБ
— Хранение и версионирование моделей и датасетов
Предоставляется бесплатно и находится под лицензией Apache, поэтому вы можете свободно использовать его в коммерческих целях уже сегодня.
Документация, примеры и quick start — https://vektonn.github.io/vektonn/
Вопросы, предложения, отзывчивая поддержка — https://t.iss.one/vektonn
— Поддержка плотных и разреженных векторов
— Точные и приближенные алгоритмы kNN (AkNN)
— Масштабируемая архитектура для обработки данных объемом в сотни ГБ
— Хранение и версионирование моделей и датасетов
Предоставляется бесплатно и находится под лицензией Apache, поэтому вы можете свободно использовать его в коммерческих целях уже сегодня.
Документация, примеры и quick start — https://vektonn.github.io/vektonn/
Вопросы, предложения, отзывчивая поддержка — https://t.iss.one/vektonn
👍1
📈 5 сложных навыков, которые позволят экспоненциально расти в программировании
Разберем несколько сложных навыков, которые обязан иметь на вооружении каждый продуктивный программист, желающий быстрого карьерного роста.
https://proglib.io/sh/WEUHOcTkAN
Разберем несколько сложных навыков, которые обязан иметь на вооружении каждый продуктивный программист, желающий быстрого карьерного роста.
https://proglib.io/sh/WEUHOcTkAN
Всем привет!
«Библиотека программиста» находится в поиске менеджера по маркетингу в образовательный проект proglib.academy (направление EdTech).
Мы обучаем всех желающих навыкам в IT-сфере и внедряем навыки программирования в текущей карьере. В нашу команду ищем интернет-маркетолога, который вместе с нами будет расти и развивать проект proglib.academy.
Вместе с нами ты будешь:
– Создавать digital-стратегии в рекламных каналах для бренда proglib.academy с целью привлечения новых учеников как на существующие продукты, так и на новые направления.
– Заниматься медиапланированием и прогнозировать эффективности РК.
– Создавать эффективные связки: продукт-аудитория-посыл и креатив-посадочная страница.
– Тестировать новые аудитории/связки/настройки и форматы рекламы.
– Анализировать привлекаемый трафик и работать с конверсиями до заявки.
Самое интересное:
Вы будете сами влиять на свой доход и зарабатывать на результате.
Мы абсолютно открыты к разным идеям и предложениям. Предлагай любую идею или конструктивно критикуй — твое мнение не останется без внимания и может все изменить.
Немного о важном:
Мы ищем сотрудника на полный рабочий день, возможен гибридный формат работы.
А откликнуться и узнать подробнее можно здесь.
«Библиотека программиста» находится в поиске менеджера по маркетингу в образовательный проект proglib.academy (направление EdTech).
Мы обучаем всех желающих навыкам в IT-сфере и внедряем навыки программирования в текущей карьере. В нашу команду ищем интернет-маркетолога, который вместе с нами будет расти и развивать проект proglib.academy.
Вместе с нами ты будешь:
– Создавать digital-стратегии в рекламных каналах для бренда proglib.academy с целью привлечения новых учеников как на существующие продукты, так и на новые направления.
– Заниматься медиапланированием и прогнозировать эффективности РК.
– Создавать эффективные связки: продукт-аудитория-посыл и креатив-посадочная страница.
– Тестировать новые аудитории/связки/настройки и форматы рекламы.
– Анализировать привлекаемый трафик и работать с конверсиями до заявки.
Самое интересное:
Вы будете сами влиять на свой доход и зарабатывать на результате.
Мы абсолютно открыты к разным идеям и предложениям. Предлагай любую идею или конструктивно критикуй — твое мнение не останется без внимания и может все изменить.
Немного о важном:
Мы ищем сотрудника на полный рабочий день, возможен гибридный формат работы.
А откликнуться и узнать подробнее можно здесь.
hh.ru
Вакансия Менеджер по маркетингу (EdTech) в Москве, работа в компании Proglib (вакансия в архиве c 30 декабря 2021)
Зарплата: от 60000 до 100000 ₽ за месяц. Москва. Требуемый опыт: 1–3 года. Полная занятость. Дата публикации: 30.11.2021.
Действительно ли массив NumPy занимает меньше памяти, чем список Python?
https://proglib.io/w/fc133fa5
https://proglib.io/w/fc133fa5
Stack Overflow
Does NumPy array really take less memory than python list?
Please refer to below execution -
import sys
_list = [2,55,87]
print(f'1 - Memory used by Python List - {sys.getsizeof(_list)}')
narray = np.array([2,55,87])
size = narray.size * narray.ite...
import sys
_list = [2,55,87]
print(f'1 - Memory used by Python List - {sys.getsizeof(_list)}')
narray = np.array([2,55,87])
size = narray.size * narray.ite...
Как навыки в области науки о данных помогают мне как инженеру-программисту.
https://proglib.io/w/26a9a94c
https://proglib.io/w/26a9a94c
Medium
How Data Science Skills Help Me as a Software Engineer
The passion for mathematics I found in college led me, along with many others, to a very fruitful career as a software engineer. While I…
🔥 Kubernetes отлично подойдет на роль центрального звена платформы для работы с данными. Не слышали о таком подходе?
На VK Kubernetes Conference мы покажем, что K8s - это технология, которая не только способна помирить Dev, Sec и Ops, но и может быть интересна Data Scientist и инженерам данных.
⏰ Когда: 9 декабря, 10:00 MSK
📍 Регистрация: https://cutt.ly/ZT99Qgz
Из докладов вы узнаете:
🔹 Какие инструменты дата инженера можно запустить в K8s и какие тонкости стоит при этом учитывать.
🔹Сравнение классических и облачных архитектур при работе с данными.
🔹 Инструменты для построения DWH и Data Lake в облаках.
В программе — доклады, воркшопы и, конечно же, нетворкинг, во время которого у самых активных зрителей будет возможность поделиться собственным крутым опытом!
👉 Зарегистрироваться: https://cutt.ly/ZT99Qgz
На VK Kubernetes Conference мы покажем, что K8s - это технология, которая не только способна помирить Dev, Sec и Ops, но и может быть интересна Data Scientist и инженерам данных.
⏰ Когда: 9 декабря, 10:00 MSK
📍 Регистрация: https://cutt.ly/ZT99Qgz
Из докладов вы узнаете:
🔹 Какие инструменты дата инженера можно запустить в K8s и какие тонкости стоит при этом учитывать.
🔹Сравнение классических и облачных архитектур при работе с данными.
🔹 Инструменты для построения DWH и Data Lake в облаках.
В программе — доклады, воркшопы и, конечно же, нетворкинг, во время которого у самых активных зрителей будет возможность поделиться собственным крутым опытом!
👉 Зарегистрироваться: https://cutt.ly/ZT99Qgz
Как думать о корреляции? Это наклон регрессии после стандартизации x и y.
https://proglib.io/w/0bdf4448
https://proglib.io/w/0bdf4448