- Страна
- Казахстан
ML Engineer / Data Scientist — Middle+
Оценка ИИИнтересный проект в сфере экологической логистики с современным стеком технологий и четким фокусом на результат. Офлайн-формат в Алматы может быть как плюсом, так и минусом в зависимости от предпочтений кандидата.
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 не только глубоких знаний ML и OCR, но и умения работать со специфическими гео-данными, а также навыков инженерии для вывода моделей в продакшен (FastAPI, Docker).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции Middle+ ML Engineer в Алматы рынок предлагает широкий диапазон. Указанные требования к OCR и гео-аналитике соответствуют верхнему сегменту рынка для опытных специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
ML Engineer / Data Scientist — Middle+
Алматы | Офлайн
RaccoonAI — делает платформу для управления вывозом отходов и логистикой: маршруты, геолокация, real-time данные.
Компания ищет человека, который умеет доводить гипотезу до продакшена, а не оставлять её в ноутбуке.
Что предстоит делать:
- работать с гео-данными: маршруты, координаты, пространственная аналитика
- строить и внедрять OCR для распознавания документов и данных с полей
- проверять продуктовые и операционные гипотезы на данных
- заниматься data analytics и находить инсайты для оптимизации логистики
- доводить модели до боевого использования вместе с бэкендом
Стек: Python, ML/DS-стек, гео-данные, OCR, SQL (PostgreSQL / ClickHouse), FastAPI, Docker
Tg: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- Data Science
- OCR
- SQL
- PostgreSQL
- ClickHouse
- FastAPI
- Docker
- Spatial Analytics
Возможные вопросы на собеседовании
Проверка опыта работы со специфическим типом данных, указанным в вакансии.
Расскажите о вашем опыте работы с гео-данными: какие библиотеки использовали и с какими сложностями в пространственной аналитике сталкивались?
Вакансия делает упор на OCR для распознавания документов.
Какие архитектуры нейросетей вы бы выбрали для построения OCR-системы в условиях нестабильного качества фото 'с полей'?
Важное требование — доведение моделей до продакшена.
Опишите ваш типичный процесс деплоя ML-модели: как вы взаимодействуете с бэкенд-командой и какие инструменты используете?
В стеке указан ClickHouse, что подразумевает работу с большими объемами данных.
В каких случаях для аналитики логистических данных вы предпочтете ClickHouse вместо классической PostgreSQL?
Проверка продуктового мышления.
Как бы вы оценили бизнес-эффективность внедренной модели оптимизации маршрутов? Какие метрики были бы ключевыми?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
