- Страна
- Казахстан
Middle+/Senior Data Scientist
Оценка ИИKaspi.kz — лидер рынка Казахстана с сильной инженерной культурой, что гарантирует работу над масштабными и интересными задачами. Однако отсутствие удаленного формата работы снижает оценку для части соискателей.
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 требует серьезного опыта в классическом ML и продвинутого владения SQL, а также умения доводить модели до промышленной эксплуатации. Работа в офисе в Алматы может быть ограничением для кандидатов из других регионов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для уровня Middle+/Senior Data Scientist в Алматы рыночный диапазон составляет от 1 200 000 до 2 500 000 тенге (в эквиваленте RUB). Kaspi обычно предлагает конкурентные условия, соответствующие верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Middle+/Senior Data Scientist Kaspi.kz
Местоположение: Алматы
Формат работы: Офис
Опубликована: 29.09.2026
Требования:
• Глубокие знания и практический опыт классических методов машинного обучения (ML) и программирования на Python
• Продвинутый SQL
• Опыт построения моделей с нуля, понимание валидации моделей и бизнес-метрик
• Опыт внедрения моделей в бизнес-процессы или промышленную эксплуатацию
Контакт: Откликнуться
Откликнуться опубликована в LinkedIn у Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- Machine Learning
- Data Science
- Model Validation
Возможные вопросы на собеседовании
Проверка глубины понимания алгоритмов и умения выбирать подходящий инструмент под задачу.
Расскажите о наиболее сложном кейсе применения классического ML в вашей практике: какую проблему решали и почему выбрали именно этот алгоритм?
Важно понимать, как кандидат оценивает эффективность своей работы для компании.
Как вы связываете технические метрики модели (например, ROC-AUC или RMSE) с бизнес-показателями проекта?
Проверка навыков работы с данными и оптимизации запросов.
Опишите ваш опыт оптимизации сложных SQL-запросов при работе с большими объемами данных.
Оценка инженерных навыков и понимания жизненного цикла модели.
С какими основными трудностями вы сталкивались при внедрении моделей в продакшн и как их преодолевали?
Проверка методологического подхода к разработке.
Каков ваш стандартный процесс валидации модели перед ее запуском в бизнес-процесс?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
