Junior/Middle Data Miner
Оценка ИИKaspi.kz — топовый работодатель в регионе с сильной инженерной культурой. Вакансия предлагает работу с передовыми технологиями (AI-агенты), хотя требование полной работы в офисе может подойти не всем.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИПозиция ориентирована на Junior/Middle специалистов, что предполагает наличие базового опыта в ML и SQL. Основная сложность заключается в необходимости понимания современных концепций AI-агентов и готовности работать в офисе в Алматы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для Junior/Middle позиций в области Data Science в Алматы рынок предлагает конкурентные условия. Указанный диапазон соответствует средним ожиданиям для специалистов с навыками ML и SQL в банковском и финтех-секторе Казахстана.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Активная вакансия в Kaspi.kz
Город: Алматы
Формат работы: фулл тайм офис
Ищут Junior/Middle Data Miner, который будет вести задачи от гипотезы до внедрения на прод, автоматизировать аналитические задачи с помощью агентов
Стек: продвинутый уровень SQL, Python(Pandas, sklearn), ML
Будет плюсом: AI-агенты – базовое понимание работы агентов: скиллы, промпты, MCP, системный промпт, семантический слой.
*📩* Отправляй CV с сопроводительным письмом(опыт по стеку, ЗП ожидания) на почту: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- SQL
- Python
- Pandas
- Scikit-learn
- Machine Learning
- LLM
- Prompt Engineering
Возможные вопросы на собеседовании
Проверка глубины владения основным инструментом работы с данными.
Расскажите о самом сложном SQL-запросе, который вам приходилось писать: какие оконные функции или оптимизации вы использовали?
Оценка практического опыта в машинном обучении.
Опишите ваш процесс валидации ML-модели перед внедрением в продакшен: какие метрики вы выбираете и почему?
Проверка интереса к инновациям, указанным в вакансии.
Как бы вы спроектировали AI-агента для автоматизации рутинной аналитической задачи? Что бы вы включили в системный промпт?
Оценка навыков работы с библиотеками обработки данных.
В каких случаях при работе с Pandas вы предпочтете векторизованные операции циклам, и как это влияет на производительность при больших объемах данных?
Проверка продуктового мышления и ответственности за результат.
Расскажите о кейсе, когда ваша гипотеза не подтвердилась после анализа данных. Какие выводы вы сделали и как это повлияло на проект?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
