13+
лет опыта в области данных
С целью улучшения работы сайта, повышения удобства и эффективности работы посетителей с сайтом, предоставления решений и услуг, наиболее отвечающих потребностям посетителей сайта, определения предпочтений посетителей, отображения рекламных объявлений (поведенческой рекламы), а также для обеспечения технической возможности функционирования сайта EPAM использует файлы «cookies» (файлы с данными о прошлых посещениях сайта). Продолжая использовать данный сайт и нажимая на кнопку «Принять», я подтверждаю, что я ознакомлен(а) с Политикой использования файлов «cookies», Положением об обработке персональных данных в Обществе с ограниченной ответственностью «ЭПАМ Систэмз» и согласен(на) на обработку моих персональных данных на изложенных в Согласии на обработку персональных данных условиях. Третьи стороны, в том числе Facebook, Instagram, ВКонтакте, могут использовать файлы cookie, веб-маяки и другие технологии хранения данных для сбора или получения информации с данного сайта и любых других ресурсов сети Интернет и использовать эту информацию для предоставления сервисов измерения и таргетинга рекламы. Вы можете запретить сбор и использование информации для таргетинга рекламы путем запрета сохранения файлов «cookies» в настройках своего браузера. Вы также можете получить доступ к механизму осуществления такого выбора на сайтах http://www.aboutads.info/choices и http://www.youronlinechoices.eu/. Более подробную информацию о cookie-файлах и принципах их работы можно найти на ресурсе http://www.aboutcookies.org/.
13+
лет опыта в области данных
100+
успешно выполненных проектов
40+
внутренних тренингов
600+
Data-специалистов в России
Инженеры Big Data занимаются разработкой распределенных программных решений по обработке и анализу информации. Используемые технологии Big Data гарантируют специалистам больших данных постоянное развитие и востребованность в самых разных сферах разработки ПО.
МНЕНИЕ СОТРУДНИКОВ
В EPAM меня привлекает общение с иностранными заказчиками и рост, как профессиональный, так и личностный. Ориентированность на результат и интересные решения – это ощущается во всем, с чем доводится иметь дело в компании. Здесь не стоишь на месте, а ставишь цели и достигаешь новых уровней. Участвуя в разработке продуктов с мировым именем, становишься частью значимых событий и вносишь вклад в развитие человечества. EPAM – это не просто работа, а огромное сообщество профессионалов с ценностями, соответствующими моим взглядам на жизнь.
”Евгений Кожевников![]()
Solution Architect in Big Data
Системные инженеры в Data-практике интегрируют новый функционал в реализованные проекты, настраивают и автоматизируют релизный цикл, проектируют и создают дата-платформы. Стоит отметить, что DevOps в Data, в отличие от Cloud & DevOps, кроме стандартных облаков и Ansible/Jenkins/Bash работают с Hadoop, NoSQL и миграциями.
МНЕНИЕ СОТРУДНИКОВ
У каждого свой DevOps. Для кого-то это инженер, для кого-то методология. У кого-то рамки «девопса» заканчиваются Jenkins, у кого-то – командной ответственностью. На мой взгляд, это совокупность парадигмы “You build it, you run it” с неким парным программированием. DevOps-инженер подсказывает разработчикам, как лучше внедрить решение задачи в общую систему платформы, не дает забыть о monitoring & maintenance. Также он занимается автоматизацией для повышения воспроизводимости. В целом, «девопс» делает все, чтобы разработчику было удобно и приятно воплощать идеи в жизнь.
”Александр Чиковани![]()
Senior Systems Engineer
В задачи тестировщиков данных входит проверка информации в системе на предмет ее соответствия бизнес-требованиям, удобства использования и установленным метрикам качества. Инженеры Data Quality также выстраивают процессы автоматических проверок данных на разных уровнях и этапах их обработки.
МНЕНИЕ СОТРУДНИКОВ
Data Quality — молодое перспективное направление, быть частью которого означает быть частью некоего стартапа. Попав в Data Quality, вы окунетесь в большое количество современных востребованных технологий, но самое главное — перед вами откроются огромные возможности для генерирования и реализации своих идей. Вы сможете использовать подход постоянного улучшения не только на проекте, но и для себя, непрерывно развиваясь как специалист.
”Глеб Калинин![]()
Data Quality Engineer
DataScience-специалисты проектируют математические модели и алгоритмы, позволяющие извлекать бизнес-инсайты из данных и автоматизировать когнитивные бизнес-процессы. В проектах применяются как классические методы машинного обучения, так и нейронные сети и обучение с подкреплением.
МНЕНИЕ СОТРУДНИКОВ
Находясь на пересечении бизнеса, математики и программирования, специалисты дата сайенс создают прогрессивные аналитические решения, существенно повышая эффективность и конкурентоспособность клиентов. Мы занимаемся предиктивной аналитикой, детекцией аномалий, построением рекомендательных систем, обработкой естественного языка (NLP), компьютерным зрением и оптимизационными задачами.
”Михаил Толмачев![]()
Руководитель центра компетенций Data Science
BI-инженеры помогают клиентам построить систему, позволяющую анализировать важные для бизнеса параметры и KPI. Процесс включает в себя три части. Warehousing: организация аналитического хранилища данных. ETL: настройка процессов сбора информации из множества источников, ее очистка и приведение к необходимому формату. Reporting: подготовка визуализаций и представление табличных данных в графиках.
МНЕНИЕ СОТРУДНИКОВ
На сегодняшний день все больше компаний рассматривают данные, как основной ресурс для дальнейших действий. BI помогает бизнесу получать информацию в структурированном и понятном виде, учитывая, что человек лучше воспринимает визуальные данные. Это позволяет компании своевременно извлекать из данных полезную информацию и принимать правильные стратегические решения.
”Ирина Сетина![]()
Senior Business Intelligence Engineer
Задачи аналитиков могут быть бизнес- или системно-ориентированными и меняться в зависимости от масштаба и специфики проекта. Бизнес-ориентированные задачи выясняют потребности заказчика. Тогда как системно-ориентированные требуют проанализировать информацию и создать модель данных или даже верхнеуровнево спроектировать систему.
МНЕНИЕ СОТРУДНИКОВ
В первую очередь профессия бизнес-аналитика интересна тем, что фокус работы направлен на потребности и проблемы бизнеса. Это позволяет изучать различные домены и бизнес-процессы. Приходится работать с множеством технологий, за счет чего ты начинаешь лучше понимать возможности продукта и предлагать более оптимальные решения. Зачастую зона ответственности аналитика четко не закреплена, поэтому всегда можно расти и брать большую ответственность.
”Иван Голованов![]()
Senior Business Analyst
Инженеры Big Data занимаются разработкой распределенных программных решений по обработке и анализу информации. Используемые технологии Big Data гарантируют специалистам больших данных постоянное развитие и востребованность в самых разных сферах разработки ПО.
Системные инженеры в Data-практике интегрируют новый функционал в реализованные проекты, настраивают и автоматизируют релизный цикл, проектируют и создают дата-платформы. Стоит отметить, что DevOps в Data, в отличие от Cloud & DevOps, кроме стандартных облаков и Ansible/Jenkins/Bash работают с Hadoop, NoSQL и миграциями.
Data Science специалисты проектируют математические модели и алгоритмы, позволяющие извлекать бизнес-инсайты из данных и автоматизировать когнитивные бизнес-процессы. В проектах применяются как классические методы машинного обучения, так и нейронные сети и обучение с подкреплением.
В задачи тестировщиков данных входит проверка информации в системе на предмет ее соответствия бизнес-требованиям, удобства использования и установленным метрикам качества. Инженеры Data Quality также выстраивают процессы автоматических проверок данных на разных уровнях и этапах их обработки.
BI-инженеры помогают клиентам построить систему, позволяющую анализировать важные для бизнеса параметры и KPI. Процесс включает в себя три части. Warehousing: организация аналитического хранилища данных. ETL-процессы: настройка процессов сбора информации из множества источников, ее очистка и приведение к необходимому формату. Reporting: подготовка визуализаций и представление табличных данных в графиках.
Задачи аналитиков могут быть бизнес- или системно-ориентированными, и меняться в зависимости от масштаба и специфики проекта. Бизнес-ориентированные задачи выясняют потребности заказчика. Тогда как системно-ориентированные требуют проанализировать информацию и создать модель данных или даже верхнеуровнево спроектировать систему.
Задача – создание платформы подготовки данных для обучения на их основе моделей machine learning. Технически это кластер Kubernetes, поднимающийся на AWS с несколькими микросервисами. Kubernetes находится в основе Open Source проектов компании EPAM — Legion, адаптированных под нужды конкретного заказчика.
ETL-процессы организованы при помощи Apache Airflow и перемещают данные из Salesforce системы в AWS S3. На платформу развертывается Docker-образ модели машинного обучения. Она обучается на свежих данных и по REST API-интерфейсу выдаёт предсказания, интересующие бизнес.
Заказчик – сеть магазинов здоровья и красоты мирового уровня, работающая более чем в 25 странах. Проект – система распознавания и отслеживания действий покупателя в магазинах с помощью камер наблюдения, которые используются аналитиками для оптимизации работы магазина. Наш продукт – смесь глубоких сверточных сетей для детекции и классических алгоритмов трекинга объектов. Основой технологического стека стали Python и TensorFlow.
Цель – создание платформы на Snowflake, позволяющей при помощи обработки данных мониторить состояние парка автомобилей и строить предсказания о состоянии машин. Платформа позволяет получать прогнозы о том, какую единицу стоит отправить на техосмотр или даже срочно продать, потому что в ближайший месяц ее ремонт будет стоить больше ожидаемой прибыли. ETL был построен на Talend и Spark, визуализация – на SAP BO.
Задача – создание платформы подготовки данных для обучения на их основе моделей machine learning. Технически это кластер Kubernetes, поднимающийся на AWS с несколькими микросервисами. Kubernetes находится в основе Open Source проектов компании EPAM — Legion, адаптированных под нужды конкретного заказчика.
ETL-процессы организованы при помощи Apache Airflow и перемещают данные из Salesforce системы в AWS S3. На платформу развертывается Docker-образ модели машинного обучения. Она обучается на свежих данных и по REST API-интерфейсу выдаёт предсказания, интересующие бизнес.
Заказчик – один из крупнейших онлайн-аукционов, специализирующийся на продаже редких и коллекционных товаров. Особенностью является наличие команды экспертов, оценивающих лоты в различных категориях. Проект – автоматизация работы экспертов с помощью алгоритмов машинного обучения. Используя накопленные данные, необходимо автоматизировать как можно больше рутинной работы экспертов, помогая им сосредоточиться на самых редких и специфических лотах. Помимо этого, в проект входит построение полноценной аналитической платформы для обеспечения жизненного цикла моделей машинного обучения.
Заказчик – сеть магазинов здоровья и красоты мирового уровня, работающая более чем в 25 странах. Проект – система распознавания и отслеживания действий покупателя в магазинах с помощью камер наблюдения, которые используются аналитиками для оптимизации работы магазина. Наш продукт – смесь глубоких сверточных сетей для детекции и классических алгоритмов трекинга объектов. Основой технологического стека стали Python и TensorFlow.
Индивидуальные курсы повышения квалификации с персональным наставником.
Проектирование ПО, воркшопы, документирование и составление диаграмм.
Индивидуальные курсы повышения квалификации с персональным наставником.
Анализ качества кода и покрытия тестами, введение конвенций, применение лучших практик.
Возможность попробовать свои силы в дополнительных активностях, изучить на практике новые технологии и получить необходимые навыки.
Проведение технических интервью, а также прохождение внутренних курсов для интервьюеров.