Jobs Data Science

Привіт! Ми SpaceCrew Finance Group🚀

Міжнародна fintech-група, яка створює технологічні продукти у сфері фінансів, data science та digital solutions. Уже багато років ми розвиваємо власну екосистему сервісів, об'єднуючи сильних людей, сучасні технології та культуру, в якій хочеться залишатися надовго.

Ми самі створюємо й розвиваємо свої продукти: 

• власні CRM та digital-платформи 
• backend, frontend та mobile development 
• Data Science Lab та автоматизовані risk-моделі 
• сучасні рішення для верифікації, скорингу та antifraud

Тут можна не просто виконувати задачі, а реально впливати на продукт, який працює на міжнародних ринках.

Що на тебе чекає на цій позиції:

Ми шукаємо сильного Senior Data Scientist / Data Science Expert, який стане ключовим експертом Data Science у роботі з нашими міжнародними ринками.

Це не позиція, де потрібно просто отримувати задачі та реалізовувати їх за готовим планом.

Нам потрібна автономна людина з сильним досвідом у credit scoring та lending, яка добре розуміє міжнародні ринки, самостійно визначає підходи до вирішення задач і може повністю вести напрям від бізнес-запиту до впровадженого рішення.

Що буде у твоїй зоні відповідальності:

• Самостійно вести Data Science-напрям у міжнародних ринках та відповідати за результат;
• Розробляти, впроваджувати та вдосконалювати ML-моделі для credit scoring, прогнозування повернення займу та оцінки кредитного ризику;
• Аналізувати портфелі, поведінку клієнтів та якість кредитування й знаходити можливості для покращення бізнес-результатів;
• Адаптувати scoring-підходи до специфіки різних країн та ринків;
• Самостійно формувати гіпотези, визначати необхідні дані, методологію та підходи до вирішення задач;
• Працювати безпосередньо з бізнесом, Risk, Product та іншими командами — від формулювання проблеми до реалізації рішення;
• Приймати технічні рішення щодо побудови та розвитку моделей;
• Відповідати за якість моделей, їх validation, monitoring та подальше вдосконалення;
• Разом із командою розробляти та впроваджувати production-рішення та data-сервіси;
• Проводити code review та допомагати підвищувати технічний рівень інших Data Scientists;
• Бути експертом і точкою опори для команди у складних DS/ML-задачах;
• За необхідності брати участь у співбесідах та оцінці професійного рівня кандидатів і членів команди.

Що для нас критично важливо:

• 5+ років комерційного досвіду в Data Science;
• Глибокий практичний досвід у credit scoring / credit risk / lending / fintech;
• Досвід побудови та впровадження ML-моделей у production;
• Впевнене знання Python та сильні навички написання production-коду;
• Досвід роботи з міжнародними ринками та розуміння того, що одна й та сама модель не завжди працює однаково в різних країнах;
• Розуміння специфіки кредитного бізнесу та факторів, які впливають на ризик і повернення позики.
• Здатність самостійно пройти весь шлях: бізнес-проблема → гіпотеза → дані → модель → production → оцінка результату → оптимізація;
• Досвід роботи в умовах високої автономності та здатність самостійно визначати пріоритети;
• Сильне аналітичне мислення та здатність вирішувати нетривіальні задачі;
• Готовність бути не просто виконавцем, а експертом, який впливає на рішення та результат бізнесу.

Буде великим плюсом:

• Досвід роботи з кількома міжнародними географіями;
• Розуміння специфіки lending у emerging markets;
• Досвід роботи з альтернативними джерелами даних у credit scoring;
• Досвід у consumer lending / short-term lending / BNPL / digital lending;
• Досвід технічного наставництва Data Science-команди.

Кого ми точно шукаємо:

Нам потрібна людина, якій можна сказати:

«Ось ринок, ось бізнес-задача і ось результат, якого ми хочемо досягти. Далі - твоя зона відповідальності».

Ти маєш бути здатним самостійно розібратися в проблемі, запропонувати рішення, обґрунтувати його для бізнесу, реалізувати та довести до результату.

Це роль для сильного individual contributor, який уже працює на рівні експерта і готовий фактично виконувати функцію Data Science Lead у своєму напрямі.

Як проходить знайомство?

1 етап — online-зустріч з рекрутером (30 хв);

2 етап — знайомство з технічним експертомм (60 хв);

3 етап — знайомство з майбутнім керівником (60 хв).

Якщо тобі близькі технології, здорова команда, розвиток та компанія, де твій вплив дійсно має значення - будемо раді познайомитися. 

Щоб дізнатися більше про SpaceCrew Finance і відчути нашу атмосферу — переходь за посиланням!

Instagram команди

Стабільна FinTech компанія з перспективними планами розвитку та зростання у пошуку Head of Data Science / Head of Credit Risk Analytics.

Продукт — онлайн-сервіс для кредитування, який продовжує доопрацьовуватись новими фічами.

Роль відповідає за побудову, розвиток та ефективність системи прийняття кредитних рішень, скорингових моделей і операційне управління кредитним ризиком. Забезпечує якість кредитного портфеля через розвиток моделей, аналітики та автоматизацію процесів прийняття рішень.

Обов'язки:

• Побудова, розвиток та підтримка автоматизованої системи прийняття кредитних рішень (Decision Engine);
• Розробка, імплементація, моніторинг та оптимізація скорингових моделей із використанням Machine Learning;
• Розробка, тестування та оптимізація Risk Rules, cut-off та лімітних політик;
• Аналіз кредитного портфеля, рівня дефолтів, ефективності скорингових моделей та ключових ризик-показників;
• Проведення Champion/Challenger та A/B тестування для оцінки ефективності моделей;
• Розробка та автоматизація аналітичної звітності для моніторингу кредитного ризику;
• Управління якістю даних та розвиток Data Warehouse;
• Інтеграція, оцінка та моніторинг ефективності зовнішніх джерел даних;
• Постановка технічних завдань команді розробки, тестування та контроль впровадження змін;
• Формування рекомендацій щодо оптимізації кредитної політики, підвищення якості портфеля та покращення бізнес-результатів;

• Взаємодія з Chief Risk Officer щодо впровадження затверджених ризик-політик у систему прийняття кредитних рішень.

   

Вимоги:

Обов'язкові:

• Досвід побудови та розвитку скорингових моделей;
• Досвід роботи у fintech, МФО або банківському секторі;
• Впевнене володіння Python;
• SQL (PostgreSQL, MS SQL);
• Практичний досвід використання Machine Learning;
• Досвід аналізу кредитного портфеля та управління кредитним ризиком;
• Знання статистики та методів аналізу даних;
• Досвід роботи з Decision Engine;
• Досвід розробки та підтримки Risk Rules;

• Досвід побудови аналітичної звітності та роботи з великими масивами даних.

   

Буде перевагою:

• Deep Learning;
• Excel Advanced;
• Power BI або Tableau;
• MLOps;
• Досвід роботи з альтернативними джерелами даних та antifraud-рішеннями.

Досвід роботи в мікрокредитній установі або банку – конкурентна перевага.

Зараз шукаємо сильного Data Scientist Generalist із продуктовим мисленням та практичним досвідом доведення ML-рішень до production.

Це роль не про ізольовані дослідження в Jupyter Notebook. Шукаємо фахівця, який вміє взяти бізнес-задачу, трансформувати її в ML-архітектуру, розробити модель, задеплоїти в продакшн разом із командою та виміряти реальний грошовий або метричний ефект через A/B-тести.

Чим потрібно займатися?

Працювати над двома великими блоками ML-продуктів у тісній зв'язці з аналітиками, MLOps, Product Managers та комерційним блоком.

Внутрішні ML-рішення (Pricing, Operations & Promo):

• Forecasting: Прогнозування попиту, продажів, замовлень та складських потреб (time series).
• Retention & Pricing: Моделювання Churn / Repeat Purchase, цінової еластичності (Price Elasticity) та реакції на промо.
• Promo Optimization: Оцінка ROI промо-кампаній, incremental revenue/margin, ефектів канібалізації та halo-ефекту.

Продуктові ML-рішення (Customer Experience):

• RecSys & Ranking: Розробка кандидатів (candidate generation), персоналізоване ранжування (Learning-to-Rank, embeddings), cross-sell та комплементарні рекомендації.
• Production & Monitoring: Інтеграція моделей у продуктові сервіси, моніторинг якості в продакшні (data & model drift).

Експерименти та методологія:

• Дизайн, проведення та аналіз A/B-тестів.
• Оцінка причинно-наслідкових ефектів (Causal Inference).
• Методологічна підтримка продуктових та аналітичних команд.

Що для нас важливо (Must-have)

• Класичний ML: Сильна база в класичному ML (classification, regression, feature engineering, temporal validation, leakage prevention).
• Стек: Впевнений Python та складний SQL.
• A/B Testing: Глибоке розуміння математики та практики дизайну й оцінки експериментів.
• Експертиза в e-commerce: Практичний досвід принаймні у двох із наведених напрямів:
  • Recommender Systems / Ranking;
  • Time Series / Forecasting;
  • Pricing & Promo Optimization;
  • Causal Inference / Experimentation.
• Production-mindset: Розуміння повного циклу ML (inference, orchestration, versioning, monitoring, retraining).
• Бізнес-орієнтованість: Вміння переводити мову бізнес-метрики (ROI, Margin, LTV) у мову ML-оптимізації та навпаки.

Буде додатковим плюсом

• Досвід з AWS / SageMaker, dbt, MLOps-інструментами.
• Практика з Uplift modeling та Causal Inference.
• Досвід розробки ієрархічного або ймовірнісного прогнозування (Probabilistic / Hierarchical Forecasting).
• Робота з Vector Search, Embeddings та Retrieval-системами.

Яким бачимо кандидата:

Сильний DS generalist із production мисленням і глибокою експертизою в кількох ML-напрямах. Ми не очікуємо однаково сильного досвіду у forecasting, recommendations, pricing і causal inference - важливіше вміти правильно поставити задачу, вибрати метод і довести рішення до практичного використання.

Що пропонуємо

• Вплив на продукт: ваші моделі безпосередньо впливатимуть на конверсію, маржинальність та досвід мільйонів користувачів.
• Зріла культура даних: доступ до якісної інфраструктури та підтримка з боку Data Engineering та Analytics.
• Мінімум бюрократії: швидке прийняття рішень та фокус на реальному результаті, а не на формальних звітах.
• Гнучкі умови: віддалений формат роботи (або гібрид), гнучкий графік, професійний розвиток та перегляд винагороди за результатами роботи.
   

Чому MAUDAU це круто?

• Ти матимеш вплив на продукт made in Ukraine, яким користуються тисячі і мільйони;
• Ти будеш частиною скілової tech команди;
• Ти матимеш справжні виклики та амбітні цілі;
• Ти будеш працювати з крутою командою однодумців  та відкритим керівництвом;
• Регулярно отримуватимеш новини компанії у вигляді дайджестів та зустрічей All Hands;
• Ти будеш отримувати своєчасний та відкритий зворотній зв’язок;

Як працює наша tech команда? 

• Маємо зрозумілий code style;
• Не гальмуємо: лише up-to-date фреймворки, бібліотеки і технології;
• Працюємо з технічним боргом щоквартально;
• Працюємо у self-organized scrum team, де кожен має вплив на процеси та продукт;
• Маємо сильну спрацьовану і професійну команду, яка обмінюється досвідом і співнавчається.

Як член команди MAUDAU ти можеш розраховувати на:

• Реальний ownership та вплив на продукт;
• Можливості для твого особистого розвитку, навчання та зростання;
• Гнучкий графік та можливості віддаленої роботи;
• 20 робочих днів оплачуваної відпустки, оплачувані лікарняні без бюрократії та додатковий вихідний день на твій день народження.

Якщо впізнав у цьому описі свій підхід до роботи - надсилай CV і давай знайомитись!

Наш клієнт - один із провідних банків України, який поєднує багаторічну експертизу у фінансовій сфері із сучасними технологіями та data-driven підходом. Компанія розвиває цифрові продукти, інвестує в інновації та створює відкрите й інклюзивне середовище для професійного розвитку.

На цій посаді ви працюватимете з даними на всіх етапах - від визначення вимог і контролю якості до побудови моделей та перевірки їхньої цінності для бізнесу.

Роль поєднує машинне навчання, програмування та взаємодію з бізнес-командами. Ви досліджуватимете нові напрями, створюватимете моделі й прототипи, тестуватимете їх у реальних умовах та допомагатимете перетворювати дані на практичні рішення.

Вимоги:

• Повна вища освіта - магістр або спеціаліст;
• Грунтовне розуміння алгоритмів машинного навчання: логістична регресія, дерева рішень, ансамблеві моделі, boosting, GAM і GLM;
• Знання підходів deep learning, зокрема CNN або NLP;
• Впевнене володіння Python та бібліотеками машинного навчання, зокрема scikit-learn;
• Здатність писати якісний production-ready код;
• Розуміння Agile-підходів, DevOps-процесів та інструментів модульного тестування;
• Здатність швидко занурюватися в нові бізнес-домени та ефективно взаємодіяти з представниками бізнесу;
• Українська мова на хорошому усному й письмовому рівні;
• Англійська мова на рівні Intermediate або вище.

Задачі:

• Формувати вимоги до даних, визначати джерела, організовувати збір та контролювати якість даних;
• Розробляти ознаки для моделей, зокрема працювати зі складними конфігураціями та часовими рядами подій;
• Обирати оптимальну стратегію моделювання, алгоритми та архітектуру моделей;
• Перевіряти й аналізувати якість моделей та їхні результати з погляду бізнесу;
• Створювати прототипи та організовувати тестування моделей у реальних умовах;
• Проводити A/B-тестування, аналізувати результати та оцінювати економічну й бізнес-цінність рішень;
• Взаємодіяти з бізнес-командами та допомагати впроваджувати data-driven рішення.

Компанія пропонує:

• Офіційне працевлаштування;
• Конкурентну заробітну плату;
• Щорічний перегляд компенсації відповідно до результатів роботи;
• Медичне страхування та страхування життя, повністю оплачені компанією;
• 25 днів щорічної відпустки та додаткові дні відпустки;
• Професійне навчання у напрямах Data, SQL, BI, Agile, бізнес-аналітики та інших;
• Індивідуальний план розвитку за підтримки керівника або ментора

COMFY — провідний омніканальний рітейлер побутової техніки та електроніки в Україні, понад 100 магазинів, топ-3 e-commerce платформа країни. Зараз формуємо central data team під CDO — щоб ML, AI та аналітика давали вимірюваний бізнес-ефект у клієнтському досвіді, комерційних рішеннях і ключових операційних процесах.

Контекст ролі

Шукаємо hands-on Lead Data Scientist, який особисто запустить перший ML-продукт компанії і поступово побудує навколо нього системну Data Science функцію. Перший фокус — Personalization Platform: CVM decisioning, персональні пропозиції, рекомендації та керовані експерименти. Ти відповідаєш за постановку ML-задачі, model logic, якість експериментів, evaluation, business effect і поведінку моделі після запуску; Data Engineering — за feature pipelines, serving, monitoring і retraining. Роль працює у central data team і в матриці з продуктовими та бізнес-доменами. У міру росту команди фокус розшириться на demand forecasting, replenishment optimization, workforce planning і Marketplace scoring.

Що робить цю роль особливою

• Перший ML-продукт компанії — ти ведеш його від business problem до контрольованого запуску, а не приєднуєшся до готового конвеєра.
• Пряма співпраця з CDO, Data Architect і Lead Data Engineer з першого дня.
• Висока автономія в model design, experimentation і формуванні ML roadmap.
• Ти закладаєш стандарти model review, reproducibility, drift control — команда, яка прийде після, працюватиме за твоїми правилами.
• Портфель наступних ML-продуктів (forecasting, replenishment, workforce planning) вже окреслений — є куди рости після першого запуску.

Задачі

• Особисто вести перший ML-продукт: від постановки задачі до MVP, експерименту і production acceptance.
• Формувати ML roadmap разом із CDO, Product Owners, Data Architect і Data Engineering.
• Будувати й перевіряти моделі для personalization, recommendations, propensity та uplift use cases.
• Визначати success metrics, baseline, offline/online evaluation і дизайн експериментів (A/B, MAB).
• Задавати стандарти model review, reproducibility, model cards, drift control і оцінювання бізнес-ефекту.
• Узгоджувати з Data Engineering feature contracts, serving path, monitoring і retraining requirements.
• Брати участь у наймі, менторити Data Scientists, проводити technical/design reviews.

Вимоги

Обов’язково: - Досвід особистого запуску ML-моделей або контрольованих MVP з вимірюваним бізнес-ефектом. - Сильні знання статистики, experimentation, model validation і причинно-наслідкового мислення. - Практичний досвід з Python, SQL, класичним ML і gradient boosting. - Глибока експертиза хоча б в одному напрямку: recommender systems, uplift/propensity modeling або time-series forecasting. - Розуміння production ML lifecycle і досвід співпраці з Data/ML Engineering. - Здатність працювати hands-on, приймати технічні рішення, менторити колег і пояснювати ML-рішення бізнесу.

Буде плюсом: - Google Cloud, BigQuery, Vertex AI, MLflow, Feast або аналогічний MLOps stack. - Causal inference, experimentation platform або multi-armed bandits. - Досвід у e-commerce, marketplace або high-volume consumer products. - Досвід формування Data Science практики або найму команди.

Що ми пропонуємо

• Можливість побудувати ML-функцію з нуля, починаючи з реального продукту, а не зі стандартів і презентацій.
• Work-life balance і віддалений формат роботи; офіс у Дніпрі — за бажанням.
• Високу автономію у model design, experimentation та формуванні ML roadmap.
• Великі e-commerce data scenarios і розвиток платформи на Google Cloud.
• Співпрацю з central data team, CDO, Data Architect, Lead Data Engineer та продуктовими доменами.
• Винагороду обговорюємо індивідуально за результатами співбесіди.

Пиши, якщо відгукнулося ✉️

Станьте частиною команди, що створює цифрову реальність!

MODUS X — українська ІТ-компанія, команда 800+ інженерів, архітекторів, спеціалістів з безпеки та датасаєнтистів.​ Ми розпочали та продовжуємо супровід цифрової трансформації ДТЕК, яка першою в енергетиці України стала на шлях масштабного діджитал-перетворення. Нині виділились в окрему компанію, щоби ділитися своїм досвідом та експертизою назовні, залишаючись ІТ-опорою для тих, хто несе світло та сприяє відновленню країни.

Шукаємо Middle Scientist, для підсилення Data Science-команди. Який буде долучений до виконання повного циклу проектів — від аналізу даних до запуску моделі у продакшн, працюючи у крос-функціональній команді.

Зони відповідальності:

• Аналіз проблеми та постановка задачі
• Збір, очищення та підготовка даних
• Моделювання та експерименти
• Валідація та пояснення результатів
• Співпраця та комунікація
• Поліпшення процесів та менторство
• R&D та розвиток експертизи

Що ми очікуємо:

• Вміння чітко формулювати задачу та ставити питання
• Вміння подивитись на проблему під іншим кутом зору
• Python (pandas, NumPy, scikit-learn), SQL; впевнена робота з Git.
• Класичні ML-алгоритми (Gradient Boosting — XGBoost/LightGBM/CatBoost, Random Forest, Logistic/Linear Regression, k-NN); знання методів регуляризації, крос-валідації та підбору гіперпараметрів.
• Ймовірнісні розподіли, перевірка гіпотез, A/B-тести, інтепретованість моделей.
• PyTorch або TensorFlow/Keras для задач CV чи NLP; уміння будувати та тренувати моделі з TensorBoard-логуванням.
• MLflow / Weights & Biases, Docker; базове розуміння CI/CD для ML-пайплайнів.
• Практичний досвід у хоча б одній із платформ (AWS, GCP, Azure) для розгортання або тренування моделей.
• Наявність сертифікації по Data&AI
• Вміння незалежно перевіряти вхідні дані та результат
• Автономність
• Комунікабельність

Ми пропонуємо:

• Офіційне працевлаштування
• Kонкурентний рівень заробітної плати та соціальні гарантії
• Корпоративна програма медичного страхування та програма психологічної підтримки співробітників
• Роботу в інноваційному парку Unit City
• Можливості навчання та професійний розвиток (онлайн курси, аудиторні тренінги, майстер-класи, професійні спільноти)

Ми цінуємо ваш інтерес до MODUS X та готовність приймати виклики. Наша команда уважно розглядає всі заявки, і якщо ваша кандидатура відповідає вимогам вакансії, рекрутер обов’язково зв’яжеться з вами впродовж 2 тижнів.

Направляючи резюме на цю вакансію, Ви надаєте згоду ТОВ «МОДУС ІКС» на обробку наданих Вами персональних даних згідно Закону України «Про захист персональних даних». Згода надається в тому числі для їх обробки в зовнішніх системах, з метою супроводження процесу найму.

Твій старт із PwC Lviv SDC: Вакансія, яка відкриває двері у майбутнє

PwC — це глобальна мережа із більш, ніж 370 000 професіоналів у 149 країнах, яка перетворює виклики на можливості. Ми створюємо інноваційні рішення в аудиті, консалтингу, податках і технологіях, об'єднуючи знання з усього світу.

PwC SDC Lviv, відкритий у 2018 році, є частиною цього глобального простору. Це місце, де технології поєднуються з командним духом, а амбітні ідеї знаходять своє втілення в реальних проєктах для Центральної та Східної Європи.

Чому це твоє?

PwC SDC Lviv — це не просто робота. Це можливість:

• Реально відчути, що таке працювати в міжнародній компанії.
• Освоїти практичні навички, які будуть актуальними у світі, що постійно змінюється.
• Бути частиною команди, яка цінує твої ідеї та підтримує твій ріст.

Що ми гарантуємо?

• Формат роботи: Дистанційно або в комфортному офісі у Львові — ти обираєш сам.
• Розвиток: Особистісний план розвитку, менторинг, курси англійської та польської мов.
• Стабільність: Офіційне працевлаштування з першого дня, щорічний перегляд зарплати та кар'єрних перспектив.
• Корпоративна культура: Події, що об'єднують команду, і простір, де кожен може бути собою.

Що на тебе чекає?

Наша команда допомагає провідним фінансовим установам Польщі та інших країн вирішувати складні бізнес-завдання у сфері управління ризиками, аналітики даних та сучасних технологій.

Ми працюємо над проєктами у сферах кредитного та ринкового ризику, IFRS 9, стрес-тестування, ICAAP, розробки та валідації моделей, регуляторного комплаєнсу та цифрової трансформації функцій ризик-менеджменту.

Ми шукаємо студентів та випускників, які хочуть розпочати кар'єру у сфері кількісного аналізу, фінансового моделювання та Data Science.

Ваші майбутні завдання:

• підтримка проєктних команд у розробці аналітичних та кількісних рішень для банків і фінансових установ;
• участь у проєктах з кредитного ризику (IRB), IFRS 9, стрес-тестування, ICAAP, валідації моделей та трансформації ризик-менеджменту;
• аналіз та обробка великих масивів даних;
• вивчення процесів розробки, тестування, впровадження та моніторингу моделей;
• застосування статистичних методів та алгоритмів машинного навчання для вирішення бізнес-завдань;
• підготовка аналітичних звітів, презентацій та рекомендацій для клієнтів;
• робота з Python, R, SQL, SAS, Git та хмарними технологіями;
• знайомство з AI та GenAI-рішеннями, які використовуються у фінансовому секторі;
• розуміння того, як математичні моделі та регуляторні вимоги застосовуються на практиці в банківській сфері.

Вимоги:

• студент або випускник напряму: математика; статистика; економетрика; фізика; Data Science; фінансова математика; комп’ютерні науки та суміжні спеціальності;
• англійська мова на рівні B2 або вище;
• інтерес до фінансових ризиків, аналітики даних та кількісного моделювання;
• базові знання статистики, теорії ймовірностей, економетрики, математичного моделювання або машинного навчання;
• знання хоча б однієї з мов програмування: Python, R, SQL або SAS;
• зацікавленість у застосуванні AI та GenAI у фінансовому секторі;
• аналітичне мислення, уважність до деталей та навички вирішення проблем;

Чому саме PwC?

Це твій шанс не просто працювати, а вести команду й зростати разом із нею. Ми створюємо середовище, де твоя експертиза та лідерський потенціал справді важливі.

Готовий до виклику? Надсилай своє резюме і приєднуйся до команди, яка формує майбутнє!

Політика у сфері конфіденційності та персональних даних:

https://www.pwc.com/ua/uk/about/privacy.html

About the Role
We are seeking an AI & Data Science Consultant to drive the discovery, strategy, and end-to-end delivery of advanced AI initiatives for EPAM’s global clients. This role is a unique hybrid, blending strategic business consulting with deep practical engineering. You will collaborate directly with client executives and EPAM’s delivery teams to transform complex business challenges into scalable, production-ready AI, Machine Learning, and Agentic solutions.
 

Key Responsibilities

• Consult & Strategize: Lead client-facing discovery sessions and workshops to identify high-value AI opportunities, define MVP scopes, and map out strategic delivery roadmaps.
• Design & Architect: Shape scalable AI products incorporating Generative AI, RAG, multi-agent frameworks, semantic layers, and advanced analytics.
• Bridge the Collaboration: Serve as the central link connecting business stakeholders, data scientists, ML engineers, DevOps, and product teams.
• Drive Delivery & MLOps: Apply a strong engineering mindset to ensure solutions are secure, production-ready, and smoothly integrated into cloud infrastructures.
• Support Business Growth: Partner on pre-sales activities, solution estimation, and proposal development while contributing to EPAM’s internal AI and MLOps offerings.
   

Requirements

• Professional Experience: 3+ years of hands-on experience in Data Science, ML, or Applied AI, with a proven track record of bringing models from concept to production.
• Consulting & Communication: Strong active listening, presentation, and storytelling skills; ability to confidently translate complex AI concepts for C-level stakeholders.
• AI & Agentic Tech Stack: Experience with RAG, LLM applications, multi-agent orchestration, and tools like LangChain, LangGraph, CrewAI, LlamaIndex, or Vector DBs.
• Data & Architecture: Understanding of Semantic Layers, metadata, knowledge graphs, and data platforms (such as Databricks or Snowflake).
• Engineering & MLOps: Familiarity with the production model lifecycle, MLOps/LLMOps pipelines, and cloud platform integrations.
   

Nice to Have

• Experience mentoring cross-functional AI teams or driving enterprise-scale GenAI adoption.
• Practical knowledge of cloud infrastructure and DevOps tooling.
• Insights into AI governance and ethical AI frameworks.

Необхідний досвід з навичками

Стабільна FinTech компанія з перспективними планами розвитку та зростання у пошуку Head of Data Science / Head of Credit Risk Analytics.

Продукт — онлайн-сервіс для кредитування, який продовжує доопрацьовуватись новими фічами.

Роль відповідає за побудову, розвиток та ефективність системи прийняття кредитних рішень, скорингових моделей і операційне управління кредитним ризиком. Забезпечує якість кредитного портфеля через розвиток моделей, аналітики та автоматизацію процесів прийняття рішень.

Обов'язки:

• Побудова, розвиток та підтримка автоматизованої системи прийняття кредитних рішень (Decision Engine);
• Розробка, імплементація, моніторинг та оптимізація скорингових моделей із використанням Machine Learning;
• Розробка, тестування та оптимізація Risk Rules, cut-off та лімітних політик;
• Аналіз кредитного портфеля, рівня дефолтів, ефективності скорингових моделей та ключових ризик-показників;
• Проведення Champion/Challenger та A/B тестування для оцінки ефективності моделей;
• Розробка та автоматизація аналітичної звітності для моніторингу кредитного ризику;
• Управління якістю даних та розвиток Data Warehouse;
• Інтеграція, оцінка та моніторинг ефективності зовнішніх джерел даних;
• Постановка технічних завдань команді розробки, тестування та контроль впровадження змін;
• Формування рекомендацій щодо оптимізації кредитної політики, підвищення якості портфеля та покращення бізнес-результатів;

• Взаємодія з Chief Risk Officer щодо впровадження затверджених ризик-політик у систему прийняття кредитних рішень.

   

Вимоги:

Обов'язкові:

• Досвід побудови та розвитку скорингових моделей;
• Досвід роботи у fintech, МФО або банківському секторі;
• Впевнене володіння Python;
• SQL (PostgreSQL, MS SQL);
• Практичний досвід використання Machine Learning;
• Досвід аналізу кредитного портфеля та управління кредитним ризиком;
• Знання статистики та методів аналізу даних;
• Досвід роботи з Decision Engine;
• Досвід розробки та підтримки Risk Rules;

• Досвід побудови аналітичної звітності та роботи з великими масивами даних.

   

Буде перевагою:

• Deep Learning;
• Excel Advanced;
• Power BI або Tableau;
• MLOps;
• Досвід роботи з альтернативними джерелами даних та antifraud-рішеннями.

Досвід роботи в мікрокредитній установі або банку – конкурентна перевага.

Who We Are

At Bennett Data Science, we've been pioneering the use of predictive analytics and data science for over a decade for some of the biggest brands and retailers. We're at the top of our field because we focus on delivering actionable AI for our clients. Our deep experience and product-first attitude set us apart from other groups and gets us the business results our clients want.

Why You Should Work With Us

You'll be exposed to a wide range of clients who are at the cutting edge of innovation in their field and get to work on fascinating problems, supporting real products, with real data. We help lots of companies, from some of the largest companies in the world to small startups in Silicon Valley who are building the next big thing.

Expert Mentorship: Direct guidance from senior staff with 20+ years of applied ML experience

Competitive Compensation: Market-rate pay with performance upside

Fully Remote: Work from any location of your choice, on a flexible schedule

The Role:
We are seeking a Senior Data Scientist to support the design, development, validation, and productionization of an advanced forecasting solution. This is a hands-on role requiring strong statistical judgment, practical modeling experience, and the ability to translate analytical findings into clear recommendations.

The successful candidate will work closely with data science, data engineering, and business stakeholders throughout the full modeling lifecycle, from exploratory analysis and model development to deployment, documentation, and handoff.

Key Responsibilities

• Develop, evaluate, and improve forecasting models using Python.
• Establish appropriate baselines and compare alternative modeling approaches.
• Design rigorous time-based backtesting and model-validation frameworks.
• Develop methods for handling limited historical data, changing patterns, and structural shifts.
• Produce prediction intervals and other measures of forecast uncertainty.
• Identify, test, and monitor potential forecast drivers.
• Develop configurable scenario-planning and sensitivity-analysis capabilities.
• Create model diagnostics and early-warning indicators.
• Write modular, tested, maintainable, and well-documented code.
• Collaborate with data engineering on production pipelines, model tracking, and automated forecast runs.
• Explain model results, assumptions, limitations, and changes to technical and non-technical stakeholders.
• Support technical documentation, knowledge transfer, and final solution handoff.
  
  Required Qualifications
• Five or more years of professional experience in data science, applied statistics, econometrics, forecasting, or a related field.
• Strong practical experience developing forecasting or predictive-modeling solutions.
• Advanced Python and SQL skills.
• Strong knowledge of regression, time-series methods, feature engineering, residual analysis, and uncertainty estimation.
• Experience designing rolling or time-based backtests and preventing data leakage.
• Ability to distinguish meaningful predictive signals from unstable or spurious correlations.
• Experience developing production-quality analytical code using version control and standard software-development practices.
• Strong analytical communication and stakeholder-management skills.

• Ability to work independently and deliver within a defined project timeline.
   

  Preferred Qualifications

• Experience developing scenario-planning or decision-support tools.
• Experience working with small historical samples or significant changes in underlying data patterns.
• Familiarity with Microsoft Fabric, Azure, MLflow, or comparable cloud-based analytics platforms.
• Experience productionizing forecasting models and implementing ongoing performance monitoring.
• Experience presenting analytical findings to Finance or senior leadership.

We are looking for a Quantitative Analyst to become the mathematical backbone of our Trading Core and Risk Tech squads. In a high-frequency trading environment processing billions in volume, success is defined by precision. 

In this role, you will design, backtest, and optimize the core mathematical models that drive our pricing engines, automated market-making algorithms, risk management frameworks (A/B/C-book optimization), and liquidation mechanics. You will sit at the intersection of advanced mathematics, data science, and high-performance software engineering, working directly with Core Product Managers and engineering teams to turn complex financial data into proprietary algorithmic advantages.

Responsibilities

• Research, design, and prototype quantitative models for pricing, risk management, and market making
• Build and maintain robust backtesting frameworks to validate the performance and safety of models before production deployment
• Write clear, comprehensive mathematical and algorithmic specifications for Backend Engineers (Trading Core squads)
• Cross functional with the R&D and Trading Ops teams
• Conduct post-incident deep dives (e.g., after major market gaps or liquidations) to identify algorithm performance gaps and optimize them

Requirements

• 3+ years of experience as a Quantitative Analyst / Researcher or Data Science
• Exceptional knowledge of probability theory, stochastic calculus, time-series analysis, and financial mathematics
• Advanced proficiency in Python (NumPy, Pandas, SciPy, SK-Learn, Statsmodels) for data analysis, modeling, and backtesting
• Experience with Machine Learning
• Deep understanding of market microstructure, order book dynamics, risk metrics (VaR, Expected Shortfall), and margin/liquidation mechanisms
• SQL skills and experience working with large-scale historical market data (tick data, order logs)
• Strong logical thinking, initiative, and well-developed communication skills

Will be a plus

• Experience in CFD, Crypto CEX, Prop Trading Firm, or Hedge Fund
• Degree (MSc or PhD preferred) in a highly quantitative field: Mathematics, Physics, Quantitative Finance, Statistics, or Computer Science
• Understanding of Asset pricing models (e.g., Black-Scholes, local volatility models, Greeks management)
• Knowledge of the MetaTrader platforms (MT4/MT5)
• Experience with AI (Claude.io, Copilot, Codex)

We offer

• 20 paid vacation days per year
• 10 paid sick leave days per year
• Public holidays as per the company’s approved Public holiday list
• Medical insurance
• Opportunity to work remotely
• Professional education budget
• Language learning budget
• Wellness budget (gym membership, sports gear and related expenses)

We are looking for a Computer Vision / C++ Engineer to join our team and work on real-world computer vision systems.

Responsibilities:
 

- Develop and maintain computer vision solutions in C++;

- Work with geometric computer vision (projective and epipolar geometry);

- Implement classical CV algorithms (demosaicing, tracking, optical flow, color calibration, image enhancement);

- Fine-tune existing deep learning models (e.g. YOLO) and train custom models using PyTorch;

- Deploy DL models in C++ using inference runtimes (ONNX Runtime, OpenCV DNN or similar);

- Implement model output decoding and post-processing;

- Develop camera-related software;

- Write efficient multi-threaded code.

Requirements:
 

- Strong C++ skills;

- Solid background in computer vision;

- Practical experience with deep learning for CV and PyTorch;

- Experience with deploying models to C++ applications and inference runtimes;

-Experience with multi-threaded programming and camera systems.

Most AI engineers build demos. You'll build the production system a client's business actually depends on.

Team: AI Delivery Practice 

Location: Remote (Ukraine/Europe) 

Employment: Full-time 

Reports to: Head of AI Delivery/Engineering, not Sales, not Customer Success

Travel: Typically 20–30%, concentrated around engagement kickoffs and go-live weeks, confirmed with you per engagement, not a surprise

The Job, Honestly

Most AI engineering jobs let you perfect a demo. This one doesn't. You get one client, one real opportunity, and six to twelve weeks to turn it into something running on live traffic — in their environment, on their data, with their security team watching. Then you do it again, for a different client, in a different industry, with a different set of constraints.

Success here isn't measured in closed tickets. It's measured in production adoption, business impact, and whether the client can run what you built without you standing over their shoulder.

If that sounds like the fun part of the job rather than the exhausting part, keep reading.

The AI Practice

You won't be the only person figuring this out. Delivery patterns each engineer builds — a guardrail design, an eval harness, a way of scoping a RAG project so it doesn't die in week 6 — get written down and reused by the next person on the next engagement. You're not starting from zero each time, and neither is the person after you.

Engagements span the kind of variety a single-product company can't offer: a RAG system on a client's live data one quarter, an agent with real write-access and real guardrails the next, a legacy enterprise stack under regulatory constraints after that.

What the Work Actually Looks Like

Discovery through production — not discovery through a slide deck

• You sit with the client's team — their repos, their data, their stand-ups — and find the AI opportunity worth betting six weeks on, not the one that looks best in a pitch

• You analyze their business processes, data landscape, and existing systems well enough to translate a business problem into a production-ready AI architecture

• You prototype it, validate it with real end users, and iterate on measurable outcomes before you've convinced yourself it's right

• You ship it — and you're still the one on call when it breaks in week two of production, not someone who inherits your code

• You capture what you learned so the next engagement, and the next engineer, start a little further ahead than you did

Before the contract is even signed

• Sales brings you into scoping calls, because "can this actually ship in 6–12 weeks" is an engineering judgment, not a sales one — and what you say shapes what gets sold

The actual engineering, once you're in

• Production LLM applications — agents, RAG, orchestration — built on whatever stack the client's environment actually runs on, not the stack that's most fun to write in

• Integrations into whatever the client already has: their APIs, identity provider, cloud, messaging systems, the legacy piece nobody wants to touch

• Reliability work that never shows up in a demo: tool-call guardrails, retries, fallbacks, human-in-the-loop checkpoints

• Eval pipelines, golden datasets, and observability — because the job isn't done at go-live, it's done when the client can run the thing on their own

• The unglamorous optimization work: latency, cost, security, maintainability — whatever the client's actual bottleneck turns out to be

Who Tends to Thrive Here

Less a checklist, more a description of the person who's already done a version of this job:

• You can talk in detail about a production AI system you shipped for an external customer — what they wanted at kickoff, what they wanted at launch, and why that changed. This matters more to us than any line on your CV

• 5+ years as a commercial software engineer, with strong fundamentals and the ability to pick up whatever stack a given engagement requires — we hire for engineering depth and adaptability, not a fixed programming language

• Fluent with at least one modern LLM platform (OpenAI, Anthropic, Gemini, Azure OpenAI, Bedrock), and comfortable in the RAG/vector/embeddings/context-engineering space without needing a primer

• You've built agents with something like LangGraph, LangChain, Semantic Kernel, CrewAI, or AutoGen — and you've watched one misbehave in production, which taught you more than the framework docs did

• You can ship and run things on AWS/Azure/GCP with Docker, Kubernetes, and CI/CD — and you understand enough about IAM, auth, and networking to not be the reason the client's security team says no

• You can hold your own in a room with a skeptical enterprise stakeholder who's been burned by an AI vendor before — not by having all the answers, but by being straight about trade-offs

• Upper-Intermediate English or better, because a lot of this job is a conversation, not a pull request

Extra credit, not a requirement

• You've built eval frameworks, golden datasets, or regression tests for AI systems, or worked with LangSmith, Langfuse, Arize Phoenix, or MLflow

• You know your way around AI governance, guardrails, hallucination mitigation, or prompt injection — or MCP / A2A and where AI interoperability is heading

• You've touched Databricks, Azure AI Foundry, Bedrock, or Vertex AI at the platform level, not just the API level

• You've done consulting, solution architecture, or technical pre-sales before — or worked inside a regulated industry (healthcare, finance, telecom, government) and know why that changes everything

• You have a GitHub history, a conference talk, or a client-co-authored case study that shows this rather than just claiming it

Your First 90 Days

• Weeks 1–2: Embedded in your first client's environment, with a validated, highest-value use case identified jointly with their team — not handed to you

• Weeks 3–8: Architecture designed, prototype validated with real end users, production build underway

• Weeks 9–12: System live on real traffic, eval pipeline in place, documentation and handover ready for the client's own team to take over

What We Offer

• Competitive compensation with bonuses tied to successful production go-lives; B2B contract available

• Direct visibility into your impact — your code runs at the client, not sitting in a backlog

• No two engagements are the same: a fintech RAG project this quarter, a regulated-industry agent build next

• Certifications (Anthropic, OpenAI, AWS, GCP, Azure) and a professional development budget

• Health insurance, English classes, sports activities, and a culture that tells you the hard parts of the job up front — like we just did

If the six-to-twelve-week cycle, the client-hopping, and the "you're still holding the pager" ownership sound energizing rather than draining — this is probably your role. Send us your CV, and tell us about the production AI system you're proudest of shipping.

Simulmedia is a trailblazer in the world of data-driven advertising, known for its innovative approach to optimizing ad placements and campaign effectiveness through analytics and machine learning. Our mission is to revolutionize the advertising sector by enabling brands to reach their audiences more effectively.

We are seeking a motivated Middle Data Scientist to join our data science team. The ideal candidate has solid experience with supervised machine learning, strong analytical skills, and is comfortable working with real-world, large-scale data. In this role, you will contribute to building, improving, and maintaining machine learning models that support our advertising products and business decisions.

This position is based in Ukraine. The team primarily works remotely, with occasional in-person meetings in the Kyiv or Lviv office.

Key Responsibilities:

• Develop and maintain supervised machine learning models to support ad targeting, measurement, and campaign optimization.
• Perform data analysis, data validation, and feature engineering on large and complex datasets.
• Collaborate with product, engineering, and analytics teams to translate business needs into data science solutions.
• Evaluate model performance using appropriate metrics and iterate on model improvements.
• Support optimization and experimentation efforts related to advertising performance.
• Assist with deploying models to production in collaboration with engineering teams.
• Monitor model performance and help troubleshoot issues in production.
• Communicate results, insights, and limitations to both technical and non-technical stakeholders.
• Stay up to date with industry best practices in data science and machine learning.

Qualifications:

Education:

• Bachelor’s or Master’s degree in Computer Science, Statistics, Mathematics, Engineering, or a related field.

Experience:

• 2–4 years of experience in data science, machine learning, or a related analytical role.
• Hands-on experience applying machine learning to real business problems.

Technical Skills:

• Proficiency in Python.
• Solid experience with SQL and relational databases.
• Experience with machine learning libraries such as scikit-learn. Experience with TensorFlow or PyTorch is a plus.
• Good understanding of supervised learning techniques such as linear regression, logistic regression, and tree-based models including decision trees, random forests, and gradient boosting.
• Experience with data manipulation and analysis using pandas and NumPy.
• Familiarity with model evaluation techniques and performance metrics.
• Basic understanding of working with production systems or machine learning pipelines is a plus.

Other Skills:

• Strong analytical and problem-solving abilities.
• Ability to work independently while collaborating within a team.
• Clear communication skills and ability to explain technical concepts simply.
• Strong organizational skills and attention to detail.
• Comfortable communicating with U.S.-based teams.