- Страна
- Узбекистан
Откликайтесь
на вакансии с ИИ

ML Engineer
Сильный бренд (OLX), работа в компании-лидере рынка и возможность удаленной работы делают вакансию очень привлекательной. Четкие требования и понятный стек технологий способствуют быстрому входу в проект.
Сложность вакансии
Позиция требует уверенного опыта в продакшн-разработке (2+ года) и владения классическим ML-стеком. Основная сложность заключается в необходимости работы с большими данными и понимании статистики для проверки гипотез.
Анализ зарплаты
Зарплата в объявлении не указана. Для позиции ML Engineer с опытом от 2 лет на рынке СНГ и Узбекистана медиана составляет около $3000-$4500 в зависимости от локации и налогового статуса.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в OLX Uzbekistan уже сейчас
Присоединяйтесь к команде лидера рынка классифайдов Узбекистана и внедряйте ML-решения в масштабные бизнес-процессы!
Описание вакансии
ML Engineer / OLX Uzbekistan
Remote
OLX Uzbekistan - лидер рынка классифайдов в Узбекистане. Наша платформа объединяет несколько масштабных бизнес-направлений, которые сейчас проходят стадию активного роста и трансформации.
Требования к кандидату:
- 2+ года опыта разработки ML-моделей в production
- Уверенное владение Python и стандартным ML-стеком
- Опыт работы с SQL и большими объёмами данных
- Знание scikit-learn, CatBoost/XGBoost, pandas, numpy
- Понимание основ статистики и проверки гипотез
Читать подробнее:
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- NumPy
- Pandas
- SQL
- Statistics
- Scikit-learn
- XGBoost
- CatBoost
Возможные вопросы на собеседовании
Проверка практического опыта вывода моделей в эксплуатацию.
Расскажите о самом сложном кейсе вывода ML-модели в production: с какими проблемами столкнулись и как их решили?
Оценка навыков работы с градиентным бустингом, указанным в требованиях.
В каких случаях вы предпочтете CatBoost вместо XGBoost или LightGBM, и как вы боретесь с переобучением в этих моделях?
Проверка умения работать с данными и SQL.
Как вы оптимизируете SQL-запросы при работе с терабайтами данных для подготовки признаков (feature engineering)?
Оценка фундаментальных знаний статистики.
Как вы рассчитываете необходимый размер выборки для проведения A/B теста и какие метрики используете для оценки достоверности результата?
Проверка навыков обработки данных.
Какие методы обработки пропусков и аномалий в данных вы считаете наиболее эффективными для классифайдов?
Похожие вакансии
Аналитик/MLE в команду эффективности
Data Scientist
Data Engineer / DataOps Engineer
Аналитик / MLE (Middle/Senior/Staff) в команду эффективности
Data Scientist Middle
Data инженер (Middle+)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!