- Страна
- Узбекистан
Откликайтесь
на вакансии с ИИ
Руководитель отдела Data Science (Коммерческое машинное обучение)
Оценка ИИTBC Uzbekistan — это престижный работодатель, признанный на международном уровне в сфере финтеха. Позиция Head of DS предлагает высокий уровень ответственности и возможность влиять на развитие цифрового банкинга в регионе.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием к значительному управленческому опыту (2-3 года) и глубокой технической экспертизе (7+ лет в ML). Также работа предполагает релокацию или постоянное присутствие в офисе в Ташкенте.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, однако для позиции Head of Data Science в Ташкенте рыночные предложения обычно начинаются от $4,500 и могут достигать $8,000+ в зависимости от бонусов. Учитывая статус TBC как ведущего цифрового банка, можно ожидать компенсацию по верхней границе рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в TBC Uzbekistan уже сейчас
Присоединяйтесь к лидеру цифрового банкинга Узбекистана и возглавьте развитие ML-решений в TBC Uzbekistan!
Описание вакансии
Руководитель отдела Data Science (Коммерческое машинное обучение) TBC Uzbekistan
Местоположение: Ташкент, Узбекистан
Формат работы: Офис
Опубликована: 12.07.2026
Требования:
• Опыт 7+ лет в ML/Data Science, 2-3 года на руководящей позиции
• Опыт разработки и внедрения ML-моделей для улучшения бизнес-показателей
• Отличные навыки Python и опыт работы с ML-фреймворками
• Уверенные навыки SQL и опыт работы с большими данными
О компании
TBC Uzbekistan — ведущая экосистема цифрового банкинга в Центральной Азии и первый цифровой банк в Узбекистане. Компания входит в список ведущих финтех-компаний мира в категории полностью цифровых банков.
Откликнуться опубликована в LinkedIn у Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- SQL
- Big Data
- ML Frameworks
Возможные вопросы на собеседовании
Проверка управленческих навыков и умения формировать команду.
Расскажите о вашем опыте формирования команды Data Science: как вы отбираете специалистов и какие метрики эффективности используете для оценки работы отдела?
Оценка способности связывать ML-метрики с бизнес-результатами.
Приведите пример внедренного вами ML-решения, которое оказало наиболее значимое влияние на коммерческие показатели компании. Как вы измеряли этот эффект?
Проверка технического кругозора и архитектурного мышления.
Как вы выстраиваете процесс MLOps в своих проектах, чтобы обеспечить стабильность и воспроизводимость моделей в продакшене?
Оценка опыта работы с инфраструктурой данных.
С какими стеками технологий для работы с Big Data вы предпочитаете работать и почему? Как вы решали проблемы масштабируемости при обработке данных?
Проверка навыков приоритизации в условиях финтеха.
