- Страна
- Казахстан
Откликайтесь
на вакансии с ИИ
Senior ML Engineer
Оценка ИИИнтересная позиция в крупном банке (BCC) с очень широким и современным технологическим стеком. Локация в Алматы и четкие требования к Senior-уровню делают вакансию привлекательной для опытных специалистов, готовых к сложным задачам.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием глубокой экспертизы минимум в двух различных областях ML (CV, LLM, Audio или классический ML) и широким стеком MLOps инструментов. Роль Senior предполагает не только разработку моделей, но и их полноценный деплой и мониторинг в инфраструктуре OpenShift.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана. На рынке Казахстана для позиции Senior ML Engineer в банковском секторе медиана составляет около 1 500 000 - 2 000 000 KZT (в эквиваленте RUB это примерно 300-400к), что соответствует рыночным ожиданиям для данного уровня квалификации.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в BCC уже сейчас
Отправьте свое резюме напрямую HR-специалисту BCC и станьте частью сильной ML-команды в Алматы!
Описание вакансии
Senior ML Engineer
#SeniorMLEngineer #MLEngineer #Senior #Алматы #Job #Vacancy
Требования:
Опыт: от 2 лет в ML/AI. Язык: Python + FastAPI. Стек по ML-направлениям: глубина минимум в 2 из 4 доменов: Классический ML: sklearn, XGBoost, CatBoost (скоринг, фрод, рекомендации). CV: YOLO, SAM, OpenCV (деплой моделей детекции/сегментации). LLM & RAG: LangChain, Milvus, prompt engineering, агенты. Аудио/Речь: Whisper, NeMo, Triton (ASR); Piper, CosyVoice (TTS). Airflow (DAG, отладка) + базовый MLOps (версионирование, мониторинг). Будет плюсом: Экспертиза в 3 или 4 доменах из списка выше. Serving & MLOps: Triton, vLLM, MLflow, DVC. Инструменты: Эмбеддинги (fastembed), очереди (Kafka, Celery/Redis), Dify, Streamlit. CI/CD & DevOps: OpenShift, ArgoCD (GitOps), Prometheus, Grafana.
Локация:*📍*Алматы.
Контакт для отклика: Откликнуться
*👉* Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- FastAPI
- Scikit-learn
- XGBoost
- CatBoost
- YOLO
- OpenCV
- LangChain
- Milvus
- Airflow
- MLOps
- Triton Inference Server
- vLLM
- MLflow
- DVC
- Kafka
- Celery
- Redis
- Streamlit
- OpenShift
- ArgoCD
- Prometheus
- Grafana
Возможные вопросы на собеседовании
Проверка глубины знаний в области LLM и практического опыта оптимизации поиска.
Расскажите о вашем опыте построения RAG-систем: какие стратегии индексации и поиска (retrieval) вы использовали для повышения релевантности ответов?
Оценка навыков работы с высоконагруженным деплоем моделей.
В чем преимущество использования Triton Inference Server по сравнению с обычным FastAPI для деплоя тяжелых моделей, и как вы настраивали динамический батчинг?
Проверка понимания специфики классического ML в финтехе (фрод/скоринг).
Как вы боретесь с проблемой переобучения и дрейфа данных (data drift) в моделях кредитного скоринга или антифрода?
Оценка навыков автоматизации и оркестрации.
Опишите структуру сложного DAG в Airflow для переобучения модели: как вы обрабатываете ошибки и обеспечиваете атомарность шагов?
Проверка опыта работы с компьютерным зрением.
Какие подходы вы применяли для оптимизации моделей детекции (например, YOLO) для работы в реальном времени?
Похожие вакансии
ML Engineer, Senior
Senior Data Engineer
Data Scientist Senior
Senior Data Scientist
Senior MLOps инженер
Senior Data Engineer (Python, PostgreSQL)
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!