ML Engineer
Интересный международный проект в сфере финтеха с использованием современного стека (K8s, Spark, MLflow). Однако, жесткая привязка к офису в Ташкенте может подойти не всем кандидатам.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Высокая сложность обусловлена требованием к опыту (5+ лет), необходимостью глубоких знаний MLOps и Apache Spark, а также работой в строго регулируемой банковской сфере. Дополнительным фактором является обязательный on-site формат в Ташкенте.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Зарплата в объявлении не указана, но для позиции уровня Senior ML Engineer в международной компании с релокацией в Узбекистан рыночные ожидания обычно находятся в диапазоне $4000–$6000. Это соответствует региональным стандартам для высококвалифицированных экспатов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
ML Engineer in Tashkent
Локация и формат: On-site и full-time в Ташкенте. К рассмотрению приглашаются кандидаты, готовые к релокации
Компания: AndersenLab
Английский: Intermediate+ (B1+/B2)
Ищут опытного Machine Learning Engineer в Ташкент для международного проекта в сфере корпоративного кредитования и финтеха. Заказчик — крупная технологическая компания в области цифровой инфраструктуры, развивающая высоконагруженные платформы для обработки больших объемов данных в нескольких регионах.
Ключевые задачи:
• Вывод ML-моделей в production и их интеграция в пайплайны принятия кредитных решений.
• Мониторинг производительности моделей, отслеживание дрифта данных и поддержание их стабильной работы.
• Участие в развитии высоконагруженной платформы в распределенной облачной среде с высокими требованиями к безопасности и отказоустойчивости.
Что важно:
• 5+ лет опыта работы на позиции Machine Learning Engineer.
• Опыт работы с Apache Spark и feature stores в банковской среде (с учетом регуляторных требований).
• Уверенный Python и практический опыт в MLOps.
• Опыт работы с Docker и Kubernetes.
• Знание CI/CD пайплайнов для ML-моделей, версионирования моделей и мониторинга дрифта (например, MLflow).
• Опыт деплоя ML-моделей в виде API или сервисов и их интеграции с decision engines.
• Уровень английского языка — от Intermediate+ и выше.
Писать: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- Machine Learning
- Kubernetes
- CI/CD
- MLOps
- API
- Docker
- Apache Spark
- MLflow
- Feature Store
Возможные вопросы на собеседовании
Проект связан с кредитованием, где стабильность моделей критична.
Расскажите о вашем опыте мониторинга дрифта данных и моделей в продакшене: какие инструменты вы использовали и как реагировали на отклонения?
В вакансии указан Apache Spark и работа с большими данными.
С какими основными проблемами производительности в Spark вы сталкивались при обработке признаков (feature engineering) и как их решали?
Требуется опыт работы с Kubernetes и Docker.
Опишите процесс деплоя ML-модели в Kubernetes: как вы обеспечиваете масштабируемость и отказоустойчивость API-сервиса?
Упоминается интеграция с decision engines в финтехе.
Каким образом вы организовывали взаимодействие между ML-сервисом и системой принятия решений для минимизации задержек (latency)?
Работа предполагает использование Feature Stores.
В чем, по вашему мнению, главные преимущества использования Feature Store в банковской среде по сравнению с традиционными БД?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

