Data Analyst (Data Science) в Computer Vision
Оценка ИИПозиция в крупной и стабильной компании (Kaspi) с современным технологическим стеком. Работа в области Computer Vision является перспективным направлением, хотя требуется обязательное присутствие в офисе в Алматы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует сочетания навыков классического анализа данных, глубокого обучения (Deep Learning) и сильной математической базы в статистике. Дополнительную сложность добавляет необходимость работы с инфраструктурными инструментами вроде Docker и Linux.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для Senior/Middle+ специалистов в области Data Science в Алматы рыночный диапазон составляет от 800 000 до 1 500 000 KZT. Предложенные рыночные оценки в долларах соответствуют международным стандартам для региона Центральной Азии.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Data Analyst (Data Science) в Computer Vision
#DataAnalyst #Python PyTorch #TensorFlow #SQL #Linux #Docker #Git #ETL #CICD #Алматы #Офис
Требования:
Отличное знание Python и ML-стека: pandas, numpy, scikit-learn, бустинги (CatBoost/LightGBM/XGBoost), SHAP. Хорошее знание deep learning и опыт с PyTorch/TensorFlow. Сильная прикладная статистика и дизайн валидации, включая временные ряды и контроль утечек. Опыт feature engineering на событийных данных (JSON, логи, лаги, rolling-агрегаты). SQL на уровне сложных запросов. Хорошее знание Linux, Docker и Git. Умение объяснить результат бизнесу, не теряя оговорок. Будет плюсом: ETL и оркестрация, Parquet/ClickHouse, Spark/Polars/DuckDB. MLflow, CI/CD. Английский на уровне чтения документации и научных статей.
Локация:*📍*Офис, Алматы.
Контакт для отклика: Откликнуться или Откликнуться +CV и краткое сопров. письмо (опыт по стеку, ЗП ожидания)
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- PyTorch
- TensorFlow
- SQL
- Linux
- Docker
- Git
- ETL
- CI/CD
- Pandas
- NumPy
- Scikit-learn
- CatBoost
- LightGBM
- XGBoost
- SHAP
- Deep Learning
- Feature Engineering
- JSON
- Parquet
- ClickHouse
- Apache Spark
- Polars
- DuckDB
- MLflow
Возможные вопросы на собеседовании
Проверка понимания специфики временных рядов и предотвращения переобучения.
Как вы проектируете схему валидации для моделей на временных рядах, чтобы избежать утечки данных из будущего?
Оценка навыков работы с признаками, упомянутыми в вакансии.
Расскажите о вашем опыте feature engineering на событийных данных. Какие агрегаты вы считаете наиболее полезными для CV-задач?
Проверка глубины знаний в Deep Learning.
В чем основные различия между PyTorch и TensorFlow с точки зрения отладки и развертывания моделей в продакшн?
Оценка умения интерпретировать сложные модели.
Как вы используете SHAP для объяснения предсказаний градиентного бустинга нетехническим специалистам?
Проверка навыков работы с большими данными.
Какой стек (Spark, ClickHouse, DuckDB) вы бы выбрали для обработки терабайтов логов и почему?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
