Magna is hiring Software Engineer (ALM Platform - Java/python)
For 2020, 2021 grads Location: Bangalore
https://wd3.myworkdaysite.com/recruiting/magna/Magna/job/Bengaluru-IN/Software-Engineer---ALM-Platform--Python-Java--Full-Stack-_R00252219
What Telegram channels wrote about Python in August 2026: 1003 posts from 372 channels, collected automatically from public Telegram channels.
Magna is hiring Software Engineer (ALM Platform - Java/python)
For 2020, 2021 grads Location: Bangalore
https://wd3.myworkdaysite.com/recruiting/magna/Magna/job/Bengaluru-IN/Software-Engineer---ALM-Platform--Python-Java--Full-Stack-_R00252219
🔥Вакансии прошедшей недели
Junior/Junior+: 1.Junior Python-разработчик (стажировка), Компания: Сбер(офис) 2.Junior Python Developer [Маркетолог ], Компания: МТС(гибрид)
Middle/Middle+: 1.Старший разработчик сервисов данных (Python), Компания: БЮРО 1440(гибрид) 2.Инженер по автоматизированному тестированию backend (Python), Компания: Иви(гибрид) 3.AI-разработчик (Python/Go) — автоматизация в AdTech, Компания: NDA(удаленка)
Senior/Head: 1.Team Lead / Principal ML Engineer, Компания: Авиасейлс(удаленка) 2.Python Lead, Компания: Сбер(офис) 3.Senior Python Developer, Компания: X5 Tech(гибрид)
🔼Навигация по вакансиям: #intern #junior #senior #middle #100k #200k #300k #400k #500k
𝗨𝗿𝗴𝗲𝗻𝘁 𝗛𝗶𝗿𝗶𝗻𝗴: 𝗔𝗜/𝗠𝗟 𝗘𝗻𝗴𝗶𝗻𝗲𝗲𝗿 | 𝗣𝘂𝗻𝗲
📍 Pune | Hybrid ⚡ Immediate Joiners Preferred
Looking for an experienced AI/ML Engineer with strong hands-on experience in Machine Learning, Python, AI/ML models, and Generative AI.
🔹 5+ Years of Experience 🔹 Strong AI/ML & Python skills 🔹 Hybrid – Pune 🔹 Immediate Joiners Preferred
𝗜𝗻𝘁𝗲𝗿𝗲𝘀𝘁𝗲𝗱? 𝗦𝗵𝗮𝗿𝗲 𝘆𝗼𝘂𝗿 𝗽𝗿𝗼𝗳𝗶𝗹𝗲 𝗮𝘁 [email protected]
🟡 حاجی فریلنس
استخدام معمار نرمافزار هوش مصنوعی (Python + LLM)
در حال طراحی یک AI Campaign Operating System هستیم که بتواند از مرحله طراحی کمپین تا انتخاب بلاگر، مذاکره، تحلیل داده و تصمیمگیری هوشمند را مدیریت کند.
این پروژه شامل طراحی Workflow، معماری سیستم، توسعه Backend و پیادهسازی Agentهای هوش مصنوعی است.
🔴 مهارتهای موردنیاز :
* تسلط به Python * تجربه توسعه API با FastAPI * طراحی دیتابیس PostgreSQL * آشنایی با LLMها (OpenAI / Claude / Gemini) * تجربه طراحی Agentهای AI * تسلط به Prompt Engineering * طراحی معماری نرمافزار Git * * آشنایی با Docker * تجربه کار با n8n یا ابزار Workflow مزیت محسوب میشود.
🔴 مسئولیتها :
* طراحی معماری سیستم * طراحی مدل داده * توسعه Backend * طراحی موتورهای تصمیمگیری * توسعه Agent هوش مصنوعی * طراحی Workflow هوشمند * همکاری نزدیک با مدیر پروژه برای تبدیل فرآیندهای واقعی کسبوکار به سیستم نرمافزاری ویژگیهای فردی * توان تحلیل بالا * علاقهمند به ساخت محصولات AI * مسئولیتپذیر * روحیه حل مسئله
اگر نمونه پروژه مرتبط با AI، Agent، Automation یا سیستمهای تصمیمیار دارید، لطفاً همراه رزومه ارسال کنید. @khashof
- - - - - - - - - - - - - - @Hajifreelance 📣
🔍 Sherloq - мощный Open Source-инструмент для проверки фотографий на подделки
Если нужно понять, редактировали ли изображение, откуда оно взялось и какие следы обработки в нём остались - обратите внимание на Sherloq.
Это бесплатный набор инструментов для цифровой криминалистики изображений. Он не просто выдаёт вердикт «фейк/не фейк», а позволяет самостоятельно исследовать фотографию сразу несколькими методами.
Что умеет Sherloq:
🔹 анализировать EXIF и другие метаданные 🔹 изучать структуру и заголовки файла 🔹 проводить Error Level Analysis (ELA) 🔹 искать следы повторного JPEG-сжатия 🔹 обнаруживать скопированные и вставленные участки изображения 🔹 анализировать шум матрицы и битовые плоскости 🔹 строить RGB/HSV-гистограммы и анализировать цветовые каналы 🔹 искать следы изменения размера и интерполяции 🔹 сравнивать две фотографии 🔹 извлекать встроенные миниатюры и геоданные 🔹 использовать ряд экспериментальных методов обнаружения манипуляций.
Особенно полезная штука для OSINT, журналистов, специалистов по ИБ и цифровой криминалистике - например, когда нужно проверить подозрительную фотографию из соцсетей.
Проект написан преимущественно на Python, имеет графический интерфейс на Qt и распространяется под лицензией GPL-3.0. Для актуальной версии требуется Python 3.11.
https://github.com/GuidoBartoli/sherloq
📲 Мы в MAX
🔐 @xakep_2
🖥 Репозиторий: NAMINT — инструмент для проведения OSINT-исследований и разведки по именам пользователей и учетным записям
NAMINT — это специализированная утилита на языке Python, предназначенная для автоматизации поиска профилей, цифровых следов и связанных учетных записей по имени пользователя (username) или персональным идентификаторам.
— Инструмент позволяет проводить массовую проверку наличия аккаунтов на различных социальных платформах и веб-сервисах, агрегируя полученные данные для построения связей и составления цифрового портрета объекта исследования.
⏺ Ссылка на GitHub
#OSINT #Recon #Intelligence #Investigation #Python | Лаборатория хакера
Rio — это Python-фреймворк для создания сайтов и приложений с компонентами в стиле React, но без необходимости писать HTML, CSS или JavaScript.
— всё приложение пишется на Python, отдельный фронтенд-стек не нужен; — есть готовые компоненты, из которых можно собирать собственные элементы и целые приложения; — работает локально и в браузере; — есть туториал, примеры и документация для быстрого старта.
https://github.com/rio-labs/rio
👉 @PythonPortal
🚀 Django 6.1 вышел: меньше магии, больше контроля
Новая версия Django приносит улучшения для production-приложений и работы с базой данных.
Главное новшество — новый подход к загрузке данных моделей.
Теперь можно контролировать, когда Django делает дополнительные запросы:
from django.db import models
books = Book.objects.fetch_mode( models.FETCH_PEERS )
Это помогает бороться с проблемой N+1 запросов и лучше контролировать нагрузку на БД.
Новые режимы:
- FETCH_ONE — загружать данные только для текущего объекта; - FETCH_PEERS — догружать данные сразу для группы объектов; - RAISE — запрещать неожиданные запросы и ловить проблемы заранее.
Также в Django 6.1:
- поддержка Python 3.12, 3.13 и 3.14; - PostgreSQL 15+; - MySQL 8.4+; - MariaDB 10.11+; - улучшения cache и внутренних механизмов.
Главная идея релиза:
Django всё меньше скрывает стоимость операций и даёт разработчикам больше контроля над тем, что происходит под капотом.
Подробнее:
@Python_Community_ru
https://www.djangoproject.com/weblog/2026/aug/05/django-61-released/
Python Backend Developer #удаленка Компания: Облако.ру
☑️Обязанности -Проектирование архитектуры решения для высокой доступности и масштабируемости; -Оптимизация производительности; -Code review; -Покрытие кода тестам; -Участие в проектировании новых фич и сервисов.
☑️Требования -Опыт коммерческой разработки (3+ лет) и разработки на Python (2+ лет); -Понимание настройки и запуска CI/CD пайплайнов; -Экспертиза в облачной инфраструктуре; -Опыт работы с бэкендом для AI и ML.
Откликнуться
Python Job в Telegram | в VK | в Max
✈️ Бэкенд-разработчик в команду поездов и расписаний
Яндекс Путешествия — сервис, который поможет спланировать поездку за несколько минут: подобрать билеты, отель или апартаменты, прочитать отзывы и оплатить всё картой. Мы — группа бэкенда поездов и расписаний, небольшая и сфокусированная команда: четыре разработчика и тимлид. Входим в продуктовую команду, где есть все нужные специалисты и всё для того, чтобы принимать решения быстро и видеть результат своей работы. Ищем бэкенд-разработчика, которому интересно строить надёжные сервисы. Вы будете влиять на архитектуру и запускать новые решения в продакшен.
Какие задачи вас ждут:
• Разработка сервисов поиска билетов на разные виды транспорта Вам предстоит самостоятельно вести новый функционал. Нужно будет продумывать интеграции с внешними партнёрами, выстраивать быстрый пайплайн доставки оферов до пользователя, разрабатывать новые способы оплаты. Вы будете участвовать в код-ревью, проводить техническое проектирование.
• Развитие инфраструктуры бэкенда сервисов Ваши задачи — улучшать мониторинг и стабильность. Вы будете работать с телеметрией сервисов, выстраивать систему мониторинга и роутинга событий, заниматься распределёнными системами. Вам предстоит настраивать CI/CD-пайплайны, выступать в роли DevOps для настройки окружения сервиса и управления трафиком.
Мы ждём, что вы: • Имеете опыт коммерческой разработки на Go более пяти лет • Умеете декомпозировать задачи и работать самостоятельно • Готовы разбираться в чужом коде и не боитесь легаси
Будет плюсом, если вы: • Работали с Terraform, gRPC, PostgreSQL, Nginx, Kafka • Знаете Python или Java: в команде есть сервисы на этих языках • Используете AI-агентов для разработки
Почему у нас хорошо: Мы предоставляем полный набор, который поможет уберечься от тревожности и выгорания: ежегодные медицинские чекапы, йога и психотерапия. Это не все бонусы — полный список тут.
📩 Откликайтесь на вакансию на нашем сайте
#путешествия #python #go #гибрид #офис #москва #питер #екатеринбург
Data engineer Заработная плата по договоренности
Обязанности: • разрабатывать и поддерживать витрины данных в экосистеме Hadoop • проектировать и улучшать архитектуру системы • проводить анализ данных для построения прототипов (Python/Saprk) • разрабатывать и оптимизировать пайплайны обработки данных/ETL на собственном фреймворке на базе Spark, а также помогать другим командам • внедрять контроль качества данных (собственный DQ-фреймворк)
Требования: • высшее образование • опыт работы data engineer от 3 лет • глубокое понимание принципов модели распределённых вычислений, а также уверенные навыки поиска, обработки данных и построения витрин с помощью Spark и SQL • опыт промышленной разработки на стеке Scala/Java/Python, знание инструментов по обработке больших данных (Spark, Trino, Polars) продвинутые знания SQL и практический опыт работы с Hadoop/Greenplum а также работа с объектными хранилищами S3 и файловой системой HDFS • знание любого оркестратора рабочих процессов (AirFlow, Oozie, Dagster, Argo Workflows) и понимание подходов к организации разработки (CI/CD, DevOps).
Мы предлагаем: • офис рядом с метро Кутузовская • гибридный формат работы • ежегодный пересмотр зарплаты и годовая премия • корпоративный спортзал и зоны отдыха • подписка Прайм с возможностью совместного использования на трёх близких • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития • гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ • расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа • вознаграждение за рекомендацию друзей в команду Сбера
Контакты: [email protected]
Подборка вакансий из бигтеха
Junior: - Дата-инженер по прайсингу продуктов в Альфа-Банк. Центральный офис - Дата-инженер в Сбер для экспертов
Middle: - Fullstack Software engineer (Python + React) в Сбер. IT - Python-разработчик в команду кибербезопасности AI-агентов в Сбер. Кибербезопасность
Вакансии │ Стажировки │ За рубежом │ Удалёнка │ БИГТЕХ │ Мероприятия │ По всему миру │ IT и DIGITAL
🐣 Софи - первый ai ассистент для автооткликов и поиска работы.
Многопоточный NumPy на сборке без GIL был в 7 раз медленнее процессов, стал в 4 раза быстрее
Всё началось с вопроса на Stack Overflow: пользователь пожаловался, что на сборке CPython без GIL расчёт через ThreadPoolExecutor заметно медленнее того же расчёта через ProcessPoolExecutor. Кумар Адитья из Quansight Labs описал 29 июля, как несколько месяцев вычищал причины этого в NumPy и самом CPython.
Нагрузка простая и типичная для ufunc: каждый работник берёт свой массив, гоняет по нему np.sin и np.cos в цикле и сворачивает результат. Общего изменяемого состояния между потоками нет, так что масштабироваться оно должно линейно. На деле до 18 потоков росло, а дальше резко деградировало: на 32 работниках 44 секунды против 6 у процессов. Профилирование через samply показало три класса проблем: конкуренция за блокировки, конкуренция за счётчики ссылок общих объектов и конкуренция в аллокаторе.
🔘 tracemalloc выключен по умолчанию, но всё равно брал глобальную блокировку на каждом выделении и освобождении памяти, просто чтобы проверить, включён ли он. Теперь проверка идёт атомарной операцией без блокировки; 🔘 кэш диспетчеризации ufunc, который сопоставляет типам аргументов конкретную реализацию, жил под std::shared_mutex. Записи в нём неизменяемы, поэтому чтение сделали полностью свободным от блокировок, мьютекс остался только на редкие вставки; 🔘 указатель на аллокатор памяти NumPy хранит в глобальном объекте PyCapsule. Без GIL каждое обращение к нему меняет счётчик ссылок атомарно, и кэш-линия со счётчиком начинает метаться между ядрами. Объект сделали бессмертным, то есть вообще без подсчёта ссылок; 🔘 ради этого в CPython появился публичный PyUnstable_SetImmortal: с 3.15 он доступен всем, на 3.14 его можно взять через pythoncapi-compat; 🔘 запись np.sin — это поиск атрибута в модуле, а специализация байткода для таких поисков не работала, если модуль определяет __getattr__. Каждый вызов уходил на медленный путь с захватом импортной блокировки; 🔘 массивы NumPy выделял системным malloc, который плохо переносит параллельные выделения, особенно на macOS. Сырой аллокатор CPython в сборке без GIL перевели на mimalloc, а NumPy переключили на этот сырой аллокатор.
После всех правок та же задача на 32 ядрах занимает около 1,5 секунды: примерно в 30 раз быстрее, чем было, и вчетверо быстрее варианта с процессами. Автор оговаривает, что замеры сделаны на одной 32-ядерной машине с Linux и на конкретной ufunc-нагрузке без общего состояния между потоками.
Полная статья: https://labs.quansight.org/blog/scaling-numpy-on-free-threaded-python
@zen_of_python
Middle FullStack Python QA Engineer (HR платформа) Заработная плата по договоренности
Обязанности: • ручное функциональное, регрессионное и интеграционное тестирование web, backend-сервисов и AI-агентов • разработка и поддержка тестовой модели (тест-кейсы по новому функционалу и регрессионной модели, чек-листы) • написание и поддержка Api и Web автотестов на Python (в т.ч. smoke, интеграционные, e2e) • анализ allure отчетов прогона автотестов в CI, локализация и заведение дефектов • взаимодействие с командой разработки для уточнения логики работы сервисов
Требования: • коммерческий стаж в тестировании — от 3 лет • из них написание автотестов — от 2 года • тестирование backend-сервисов через REST API, работа со Swagger/OpenAPI • понимание HTTP: методы, коды ответов, структура запроса/ответа • локализация дефектов: frontend vs backend vs интеграция • уверенный PostgreSQL: SELECT, JOIN • анализ данных в БД для проверки бизнес-логики и расследования дефектов • понимание синхронного (REST/gRPC) и асинхронного (Kafka/RabbitMQ) взаимодействия сервисов • опыт интеграционного тестирования нескольких сервисов • умение анализировать цепочки прохождения данных между системами • принципы: продюсеры, консьюмеры, топики, партиции • тестирование событийных интеграций, локализация проблем в очередях • поиск и анализ логов в Kibana (ELK) / Grafana • первичное расследование дефекта, сбор диагностики для разработчика • написание и актуализация тест-кейсов (разумный уровень детализации) • ведение тестовой модели в актуальном состоянии • твёрдое знание: типы данных, условия, циклы, функции, работа с файлами, ООП, регулярные выражения • понимание поддерживаемого кода (DRY, читаемость, модульность) • стек: pytest + requests + Selenium/Playwright + SQLAlchemy + pydantic (или jsonschema) • Git, Bitbucket/GitLab, Code Review • Allure-отчёты • Jenkins • DevTools, Postman / Insomnia, PgAdmin / DBeaver • Jira, Confluence • TM4J / TestRail / Zephyr (одна из систем)
Мы предлагаем: • удобный офис AgileHome около станции метро Кутузовская с комфортными условиями (столовые, кафе, бесплатные кухня, спортзал, парковка, зоны отдыха) • конкурентоспособная зарплата (оклад плюс бонусы) • возможность использовать современные технологии • полный соцпакет (включая добровольное медицинское страхование) • обширный выбор образовательных программ и сертификаций за счёт компании • программу льготного кредитования в Сбере • скидки у партнёров компании • шанс поучаствовать в масштабных инновационных проектах.
Контакты: [email protected]
Data engineer Заработная плата по договоренности
Обязанности: • разрабатывать и поддерживать витрины данных в экосистеме Hadoop • проектировать и улучшать архитектуру системы • проводить анализ данных для построения прототипов (Python/Saprk) • разрабатывать и оптимизировать пайплайны обработки данных/ETL на собственном фреймворке на базе Spark, а также помогать другим командам • внедрять контроль качества данных (собственный DQ-фреймворк)
Требования: • высшее образование • опыт работы data engineer от 3 лет • глубокое понимание принципов модели распределённых вычислений, а также уверенные навыки поиска, обработки данных и построения витрин с помощью Spark и SQL • опыт промышленной разработки на стеке Scala/Java/Python, знание инструментов по обработке больших данных (Spark, Trino, Polars) продвинутые знания SQL и практический опыт работы с Hadoop/Greenplum а также работа с объектными хранилищами S3 и файловой системой HDFS • знание любого оркестратора рабочих процессов (AirFlow, Oozie, Dagster, Argo Workflows) и понимание подходов к организации разработки (CI/CD, DevOps).
Мы предлагаем: • офис рядом с метро Кутузовская • гибридный формат работы • ежегодный пересмотр зарплаты и годовая премия • корпоративный спортзал и зоны отдыха • подписка Прайм с возможностью совместного использования на трёх близких • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития • гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ • расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа • вознаграждение за рекомендацию друзей в команду Сбера
Контакты: [email protected]
🚀 Neo4j без сервера: GraphForge запускает полноценный Cypher прямо внутри Python-скрипта
GraphForge занимает редкую нишу между NetworkX и серверными графовыми БД. Вы получаете встроенный графовый движок на Rust, полный openCypher и хранение проекта в обычной директории.
Что внутри:
- четыре независимых слоя на Rust: parser → IR → planning → execution; - результаты сразу возвращаются как Apache Arrow Table; - данные легко передаются в Pandas и Polars; - постоянное хранение построено на Parquet; - встроены PageRank, Louvain и гибридный текстово-векторный поиск; - Python- и Node.js-биндинги работают поверх одного движка.
from graphforge import GraphForge
graph = GraphForge("research/")
result = graph.execute(""" MATCH (a)-[:CITES]->(b) RETURN a.title, b.title """)
print(result.to_pandas())
При этом GraphForge честно позиционируется как инструмент исследовательского и notebook-масштаба. Для миллиардных графов, высокой нагрузки и многопользовательского доступа по-прежнему нужна серверная БД.
Python и Node.js доступны сейчас, Swift и Kotlin находятся в планах. Лицензия — Apache 2.0.
https://github.com/CurateLabs/graphforge
#RustLang #Python #OpenSource #GraphDatabase #DataScience #KnowledgeGraph
#python #ai #ast #claude_code #code_analysis #code_understanding #codebase_search #developer_tools #graph_database #knowledge_graph #llm #mcp #mcp_server #memgraph #monorepo #multi_language #python #rag #retrieval_augmented_generation #semantic_search #tree_sitter
Code-Graph-RAG is an open-source tool that reads a codebase, builds a graph of functions, classes, modules, and links, and lets you ask questions, find code, edit safely, and improve code in plain English. It supports many languages and can run as an MCP server for direct use with AI tools. Benefit: you can understand and change large mixed-language projects faster, with less manual searching and fewer mistakes.
https://github.com/vitali87/code-graph-rag
Python for Data Science Pro: The Complete Mastery Course | Udemy Become a Data Science Pro: Master Data Analysis, Visualization, and Machine Learning with Python
4 hours • 28 lectures
⏳ 56 coupon uses left ⚠️ 📶 Rating: 4.3 ⭐️ (433 reviews) 📅 Last updated: 05/25 🎓 Instructor: Sara Academy
#data_science
🌎 Hacks, Leaks, and Revelations: The Art of Analyzing Hacked and Leaked Data (2024)
❔ Чему вы научитесь: 🔵 безопасно принимать и хранить чувствительные датасеты, работая в изолированном окружении; 🔵 разбирать сырые дампы: архивы, логи, выгрузки БД, почтовые ящики; 🔵 искать по большим объёмам данных через CLI-инструменты и grep-подобные конвейеры; 🔵 писать скрипты на Python для парсинга и структурирования нестандартных форматов; 🔵 верифицировать подлинность данных и защищать источник при публикации.
"Hacks, Leaks, and Revelations" — книга о работе с уже опубликованными утечками с позиции журналиста-расследователя и исследователя, а не о том, как их добывать. Целевая аудитория — дата-журналисты, OSINT-аналитики и активисты; предполагается базовое владение командной строкой и Python. Отдельное внимание уделено правовой и этической стороне: что законно анализировать, как минимизировать вред людям в датасете и как не скомпрометировать источник.
🗄Скачать курс
Архиватор
FastAPI: фреймворк на Python. Полный курс за 3 часа // #Видео
Это полный курс по FastAPI для людей, уже знакомых с синтаксисом языка Python. Курс написан для новичков, и мы будем плавно погружать вас в каждую деталь веб-фреймворка, чтобы вы не только понимали, как писать на FastAPI, но и уловили логику, почему фреймворк написан именно так. Если же вы профессиональный разработчик и уже работали с другими веб-фреймворками, то курс также будет вам полезен для более глубокого понимания.
▪️Перейти к просмотру [02:54:18]
Python Expert | Программирование
Middle+ Python developer #удаленка #middle Компания: Циан
☑️Задачи, которые нужно решать: -Развивать и поддерживать backend-сервисы продукта «Циан.Сделка»; -Проектировать и реализовывать новые продуктовые возможности вместе с командой разработки, аналитиками и продуктом; -Работать с микросервисной архитектурой и интеграциями между сервисами; -Участвовать в проработке технических решений, декомпозиции задач и развитии архитектуры продукта; -Анализировать и оптимизировать производительность сервисов и баз данных; -Твоя работа будет важной частью пути, который наш продукт проходит от идеи до воплощения в реальности.
☑️Наш будущий коллега: -Имеет опыт в коммерческой разработке на Python от 3+ лет, применял асинхронные фреймворки на проектах; -Умеет писать поддерживаемый и тестируемый код; -Имеет опыт в проектировании микросервисной архитектуры и архитектуры БД; -В технических вопросах рассуждает от бизнеса; -Умеет оптимизировать производительность приложения и базы данных; -Отлично, если ты также имеешь опыт с такими инструментами, как Kafka, ELK, Sentry, Grafana, SQLAlchemy, Docker, Kubernetes, Jenkins.
Откликнуться
Python Job в Telegram | в VK | в Max
Data engineer Заработная плата по договоренности
Обязанности: • разрабатывать и поддерживать витрины данных в экосистеме Hadoop • проектировать и улучшать архитектуру системы • проводить анализ данных для построения прототипов (Python/Saprk) • разрабатывать и оптимизировать пайплайны обработки данных/ETL на собственном фреймворке на базе Spark, а также помогать другим командам • внедрять контроль качества данных (собственный DQ-фреймворк)
Требования: • высшее образование • опыт работы data engineer от 3 лет • глубокое понимание принципов модели распределённых вычислений, а также уверенные навыки поиска, обработки данных и построения витрин с помощью Spark и SQL • опыт промышленной разработки на стеке Scala/Java/Python, знание инструментов по обработке больших данных (Spark, Trino, Polars) продвинутые знания SQL и практический опыт работы с Hadoop/Greenplum а также работа с объектными хранилищами S3 и файловой системой HDFS • знание любого оркестратора рабочих процессов (AirFlow, Oozie, Dagster, Argo Workflows) и понимание подходов к организации разработки (CI/CD, DevOps).
Мы предлагаем: • офис рядом с метро Кутузовская • гибридный формат работы • ежегодный пересмотр зарплаты и годовая премия • корпоративный спортзал и зоны отдыха • подписка Прайм с возможностью совместного использования на трёх близких • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития • гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ • расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа • вознаграждение за рекомендацию друзей в команду Сбера
Контакты: [email protected]
FREE Resources to Learn Machine Learning 🔥
* Python – python.org/doc * Math & Stats – khanacademy.org/math * ML Crash Course – developers.google.com/machine‑learning/crash‑course * Scikit‑learn – https://scikit-learn.org/ * Pandas – pandas.pydata.org/docs * Matplotlib – matplotlib.org * Seaborn – seaborn.pydata.org * Kaggle Learn (ML) – https://www.kaggle.com/learn/intro-to-machine-learning * Google ML Guides – developers.google.com/machine‑learning * TensorFlow Learn – https://www.tensorflow.org/resources/learn-ml * Fast.ai – fast.ai * GitHub ML List – github.com/RDelg/machine_learning_resources
*Double Tap ♥️ For More*
Метод K-ближайших соседей: принцип работы, разновидности и реализация с нуля на Python
К-ближайших соседей (K-Nearest Neighbors или просто KNN) — алгоритм классификации и регрессии, основанный на гипотезе компактности, которая предполагает, что расположенные близко друг к другу объекты в пространстве признаков имеют схожие значения целевой переменной или принадлежат к одному классу.
Python Hacks