- Страна
- Узбекистан
Миддл ML-инженер
Оценка ИИAlif Tech — быстрорастущий международный финтех с широкой географией присутствия. Вакансия предлагает гибкий формат работы и работу с современным стеком технологий, что отлично подходит для профессионального роста миддл-специалиста.
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 ИИРоль требует уверенного владения классическим ML-стеком и инструментами оркестрации (Airflow). Сложность заключается в необходимости работы на международном рынке и понимании специфики финтех-данных.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана. Для позиции Middle ML-инженера в международном финтехе рыночные ожидания обычно находятся в диапазоне от 3000 до 5000 USD в зависимости от локации и опыта.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Миддл ML-инженер
в Alif Tech — международная финтех-компания, которая работает на рынках Узбекистана, Таджикистана, Пакистана, Великобритании и ОАЭ.
Стек: Python (pandas, numpy), XGBoost/LGBM/CatBoost, SQL, Airflow, базовый DL.
Офис (предпочтительно), возможен гибрид или удалённая работа.
Ищет Умида Ниязова, её Откликнуться.
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Pandas
- NumPy
- XGBoost
- LightGBM
- CatBoost
- SQL
- Apache Airflow
- Deep Learning
Возможные вопросы на собеседовании
Проверка владения основным стеком градиентного бустинга.
В каких случаях вы выберете CatBoost вместо XGBoost или LightGBM, и как вы боретесь с переобучением в этих моделях?
Оценка навыков работы с данными и SQL.
Опишите ваш подход к проектированию признаков (feature engineering) для кредитного скоринга или других финтех-задач.
Проверка опыта автоматизации процессов.
Расскажите о вашем опыте работы с Airflow: как вы структурируете DAG-и для регулярного переобучения моделей?
Оценка базовых знаний в области глубокого обучения.
В каких задачах вашего прошлого опыта было бы оправдано применение DL вместо классического ML?
Проверка понимания бизнес-метрик.
Как вы оцениваете влияние ML-модели на бизнес-показатели (например, ROI или точность прогноза) после деплоя?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
