- Страна
- Казахстан
Middle ML Engineer / Middle Data Scientist
Оценка ИИСтабильная компания с государственным участием и возможностью удаленной работы из любой точки мира. Вакансия привлекательна для тех, кто хочет развиваться в финтехе и работать над социально значимыми продуктами.
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 ИИПозиция уровня Middle требует уверенного владения стеком ML и понимания специфики финансовых данных. Основная сложность заключается в работе с чувствительными данными кредитного бюро и необходимости высокой точности моделей.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ объявлении не указана зарплата, однако для Middle ML специалиста на рынке Казахстана и СНГ средние показатели составляют от 2500 до 4000 USD. Учитывая статус государственного бюро, можно ожидать конкурентную зарплату в рамках рыночных медиан.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Middle ML Engineer / Middle Data Scientist Государственное кредитное бюро
Местоположение: Весь мир
Формат работы: Удаленно
Опубликована: 10.10.2026
Требования:
• Опыт в финтехе будет большим плюсом
О компании:
Создаем и развиваем ML-продукты и аналитические решения для кредитного и страхового рынка.
Контакт: Откликнуться
Откликнуться опубликована в LinkedIn у Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Machine Learning
- Data Science
- Python
- Fintech
- Statistics
Возможные вопросы на собеседовании
Важно понимать, как кандидат работает с несбалансированными выборками, типичными для кредитного скоринга.
Какие методы борьбы с дисбалансом классов вы использовали в своих проектах и как оценивали их эффективность?
В финтехе интерпретируемость модели часто важнее её сложности.
Как вы обеспечиваете интерпретируемость ML-моделей для бизнес-заказчиков? Знакомы ли вы с SHAP или LIME?
Проверка опыта работы с временными рядами и специфическими финансовыми признаками.
Расскажите о вашем опыте генерации признаков (feature engineering) для задач кредитного риска.
Оценка навыков доведения модели до продакшена.
Опишите ваш типичный пайплайн деплоя ML-модели: от обучения до мониторинга в продакшене.
Проверка понимания бизнес-контекста компании.
Как бы вы подошли к задаче оценки вероятности дефолта заемщика при отсутствии у него кредитной истории?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
