Data Scientist / AI Engineer
Оценка ИИИнтересная роль в сфере PropTech/BIM с возможностью строить инфраструктуру с нуля. Зарплата указана 'от', что оставляет пространство для маневра, а стек технологий очень актуален.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИПозиция требует уверенного владения современным стеком Generative AI (RAG, LangChain, векторные БД) и навыков интеграции с API. Сложность умеренная, так как ожидается опыт от 1 до 3 лет, но задачи по автоматизации BIM-процессов специфичны.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата от 300 000 ₸ (до вычета налогов) является стартовой для специалистов уровня Junior+ в Алматы. Рыночный медианный уровень для Data Scientist с опытом 1-3 года в Казахстане обычно выше и составляет около 500 000 - 700 000 ₸.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*📍* Формат/working arrangement: офис в Алматы
*✔️* Должность/position: Data Scientist / AI Engineer
*🏢* Место работы/workplace: ТОО Parametric
*💸* Заработная плата/salary: от 300 000 ₸ в месяц, до вычета налогов
*📈* Обязанности/responsibilities:
— Разрабатывать AI-агентов и корпоративного AI-ассистента.
— Создавать RAG-системы и единую базу знаний компании.
— Интегрировать GPT, Claude, Gemini и локальные LLM с внутренними системами.
— Автоматизировать обработку PDF, Excel, Word и проектной документации.
— Исследовать интеграции AI с Revit, AutoCAD и BIM.
— Разрабатывать workflow через n8n и API.
— Мониторить качество, производительность и стоимость AI-систем.
— Создавать прототипы и масштабировать AI-решения внутри компании.
*📌* Требования/requirements:
— Опыт работы 1–3 года.
— Python.
— Понимание LLM и Generative AI.
— Опыт интеграции API.
— SQL и базы данных.
— Понимание RAG, embeddings и vector search.
— Git и Docker.
— Способность самостоятельно разрабатывать и внедрять решения.
*🌟* Будет плюсом:
— AI Agents / Multi-Agent Systems.
— LangChain / LangGraph / LlamaIndex.
— n8n, FastAPI.
— PostgreSQL / Qdrant.
— Локальные LLM.
— Revit / AutoCAD / BIM.
*🛠* Технический стек:
— Python
— SQL
— LLM
— RAG
— Embeddings
— Vector Search
— LangChain
— LangGraph
— LlamaIndex
— n8n
— FastAPI
— PostgreSQL
— Qdrant
— Docker
— Git
*✅* Условия/working conditions:
— Полная занятость.
— Оформление по трудовому договору.
— График 5/2, 08:30–17:30.
— Офисный формат.
— Возможность создавать корпоративную AI-инфраструктуру с нуля.
— Работа над реальными проектами автоматизации.
— Возможности профессионального и карьерного роста.
*📍* Адрес: Алматы, проспект Сакена Сейфуллина, 404/67.
*📢**❗️**🚨* Вакансия: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- LLM
- Generative AI
- RAG
- Embeddings
- Vector Search
- LangChain
- LangGraph
- LlamaIndex
- n8n
- FastAPI
- PostgreSQL
- Qdrant
- Docker
- Git
- Revit
- AutoCAD
- BIM
Возможные вопросы на собеседовании
Проверка понимания архитектуры RAG-систем, что является ключевой обязанностью.
Расскажите, как бы вы построили RAG-систему для обработки большого объема проектной документации в форматах PDF и Excel?
Вакансия предполагает работу с различными моделями.
В каких случаях вы бы предпочли использование локальной LLM вместо проприетарных API (GPT/Claude) для корпоративных задач?
В стеке указаны инструменты для создания сложных AI-цепочек.
Каков ваш опыт работы с LangGraph или n8n для создания многоагентных систем?
Важная часть работы — интеграция с инженерным ПО.
Есть ли у вас идеи, как AI может оптимизировать работу проектировщиков в Revit или AutoCAD?
Проверка навыков работы с данными и производительностью.
Как вы оцениваете качество ответов AI-агента и какие метрики используете для мониторинга стоимости запросов?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
