- Страна
- Узбекистан
- Зарплата
- до 4 000 $
Data Scientist
Оценка ИИПривлекательная вакансия для специалистов в Узбекистане с конкурентной зарплатой в долларах. Четко очерченный стек технологий и понятные задачи по кредитному скорингу делают позицию стабильной и перспективной.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИОсновная сложность заключается в строгом требовании к знанию узбекского языка и специфическом опыте в кредитном скоринге. Технический стек стандартный для Middle+ уровня, но работа в офисе в Ташкенте сужает круг потенциальных кандидатов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата до 4000 USD на руки является верхней границей рынка для Data Scientist уровня Middle/Senior в Ташкенте. Это значительно выше средних предложений по региону, которые обычно варьируются от 2000 до 3000 USD.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
#datascientist #machinelearning #mlops
Data Scientist | Ташкент
Ищем Data Scientist для долгосрочного проекта в Ташкенте. Основная задача — разработка и внедрение моделей кредитного скоринга для сегментов IP и MMSB, а также дальнейшая поддержка моделей в продакшене.
Что предстоит делать:
— участвовать в разработке и валидации моделей кредитного скоринга
— регулярно запускать и контролировать ML-пайплайны
— мониторить производительность и стабильность моделей
— проводить плановое переобучение моделей
— готовить отчёты по производительности моделей, включая Gini / KS
— поддерживать модели в продакшене
Стек:
Python, SQL, Apache Spark, StarRocks, MLflow, Git, CI/CD, MLOps
Что важно:
— от 2 лет опыта в Data Science
— понимание принципов кредитного скоринга
— узбекский язык обязателен, без него кандидаты не рассматриваются
— опыт работы в банковской сфере или финтехе
— уверенный SQL и Python, практический опыт с Apache Spark
— опыт внедрения и сопровождения ML-моделей в продакшене
— понимание MLOps и полного жизненного цикла ML-моделей
Будет большим плюсом:
— опыт работы в банках или финтех-компаниях Узбекистана
Условия:
— полная занятость
— зарплата до 4000 USD на руки
— Ташкент, работа из офиса
— долгосрочный проект
Если вакансия интересна, присылайте резюме в личные сообщения.
Контакт: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- SQL
- Apache Spark
- StarRocks
- MLflow
- Git
- CI/CD
- MLOps
Возможные вопросы на собеседовании
Проверка понимания бизнес-логики и метрик, специфичных для кредитных рисков.
Как вы интерпретируете показатели Gini и KS при валидации модели кредитного скоринга, и какие значения считаются приемлемыми для сегмента MMSB?
Оценка навыков работы с большими данными, указанными в стеке.
Опишите ваш опыт оптимизации Spark-задач при обработке транзакционных данных для построения признаков (feature engineering).
Проверка владения MLOps практиками, необходимыми для поддержки моделей в продакшене.
Как вы организуете процесс мониторинга стабильности модели и выявления data drift в продакшене с использованием MLflow?
Оценка опыта работы с конкретной СУБД из описания вакансии.
В чем, по вашему мнению, преимущество использования StarRocks в аналитическом контуре ML-проекта по сравнению с классическими реляционными БД?
Проверка готовности к полному циклу разработки.
Расскажите о случае, когда производительность модели в продакшене резко упала. Какие шаги вы предприняли для диагностики и исправления ситуации?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
