- Страна
- Казахстан
Откликайтесь
на вакансии с ИИ
Senior ML-инженер
Оценка ИИСильный бренд банка, актуальный стек технологий (RAG, FastAPI) и локация в Алматы делают вакансию привлекательной для опытных специалистов. Оценка немного снижена из-за офисного формата работы.
Сложность вакансии
Оценка ИИПозиция требует глубоких знаний как в классическом ML, так и в современных LLM-подходах (RAG). Работа в банковском секторе также подразумевает высокую ответственность за качество и стабильность моделей.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для уровня Senior ML в Алматы рыночный диапазон составляет от 1.2 до 2.2 млн тенге. Предложение в крупном банке обычно соответствует верхней границе рынка или включает значительные бонусы.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в BCC уже сейчас
Присоединяйтесь к команде BCC и создавайте инновационные ML-решения для одного из ведущих банков Казахстана!
Описание вакансии
Senior ML-инженер BCC
Местоположение: Алматы
Формат работы: Офис
Опубликована: 13.07.2026
Требования:
• Опыт в разработке ML/AI-систем от 2 лет
• Уверенное владение Python и практический опыт разработки сервисов на FastAPI
• Опыт работы с классическими ML-алгоритмами: sklearn, XGBoost, CatBoost
• Опыт построения RAG-пайплайнов и работы с векторными базами данных
О компании
Один из ведущих банков Казахстана, активно внедряющий инновации в сфере финтеха и искусственного интеллекта.
Откликнуться опубликована в LinkedIn у Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- RAG
- Scikit-learn
- XGBoost
- FastAPI
- Vector Databases
- CatBoost
Возможные вопросы на собеседовании
Проверка практического опыта работы с LLM и векторными хранилищами.
Расскажите о вашем опыте построения RAG-пайплайнов: какие векторные БД вы использовали и как решали проблему релевантности поиска?
Оценка навыков разработки полноценных сервисов, а не просто моделей.
Как вы организуете архитектуру ML-сервиса на FastAPI для обеспечения высокой доступности и низкой задержки (latency)?
Проверка понимания классического машинного обучения.
В каких случаях вы отдадите предпочтение CatBoost перед нейронными сетями, и как вы боретесь с переобучением в градиентном бустинге?
Оценка навыков работы с данными в банковском контексте.
Как вы подходите к валидации данных и мониторингу качества моделей в продакшене (Model Drift)?
Проверка умения работать в команде и обосновывать решения.
