- Страна
- Узбекистан
Откликайтесь
на вакансии с ИИ
Data Scientist / ML Engineer
Оценка ИИХорошая вакансия для специалистов начального и среднего уровня с четко определенным стеком технологий. Локация в Ташкенте и работа в офисе могут быть как плюсом, так и минусом в зависимости от предпочтений кандидата, но стек актуален для рынка.
Сложность вакансии
Оценка ИИПозиция Junior/Middle уровня требует уверенного владения стандартным ML-стеком и понимания жизненного цикла моделей. Основная сложность заключается в необходимости самостоятельного деплоя моделей, что часто требует навыков смежных с MLOps.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана. На рынке Узбекистана для Junior/Middle DS специалистов вилка обычно составляет от 800 до 2000 USD в зависимости от опыта и сложности задач.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Откликнитесь через Runello-бот прямо сейчас, чтобы начать работу над ML-проектами в Ташкенте!
Описание вакансии
Data Scientist / ML Engineer
Грейд: Junior/Middle
Стек: Python, NumPy, pandas, scikit-learn, XGBoost, LightGBM, CatBoost, PyTorch
Data Scientist / ML Engineer role in Tashkent. Focus on training, validation, and deployment of ML models (classification, segmentation, forecasting).
Откликнуться через Откликнуться ↓
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- NumPy
- Pandas
- Scikit-learn
- XGBoost
- LightGBM
- CatBoost
- PyTorch
Возможные вопросы на собеседовании
Проверка понимания работы с табличными данными и специфики алгоритмов.
В каких случаях вы выберете CatBoost вместо XGBoost, и как вы обрабатываете категориальные признаки в этих библиотеках?
Валидация — критический этап для ML-инженера.
Как вы организуете процесс валидации для временных рядов (forecasting), чтобы избежать утечки данных?
Оценка навыков работы с нейросетями.
Опишите ваш опыт работы с PyTorch: какие архитектуры вы использовали и как оптимизировали процесс обучения?
Проверка навыков деплоя, указанных в описании.
Каким образом вы обычно упаковываете ML-модели для деплоя (например, использование FastAPI, Docker или специализированных инструментов)?
Проверка математической базы.
Как работает механизм ранней остановки (early stopping) в градиентном бустинге и на какую метрику вы обычно ориентируетесь?
Похожие вакансии
Data engineer
ML разработчик (Middle+)
Data Engineer / Big Data Developer
Data инженер Middle
MLOps-инженер
Data engineer
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!