- Страна
- Казахстан
- Зарплата
- от 500 000 ₽
Откликайтесь
на вакансии с ИИ

Специалист по Data Science и машинному обучению (ML Engineer / Data Scientist)
Хорошее предложение для специалистов среднего уровня с возможностью удаленной работы и гибким графиком. Привлекает широкий стек технологий и работа с актуальными направлениями вроде LLM, однако проектный характер занятости (ГПХ) может подойти не всем.
Сложность вакансии
Позиция требует уверенных знаний математики, статистики и широкого стека технологий (от классического ML до LLM и CV). Основная сложность заключается в необходимости самостоятельно переводить бизнес-задачи на технический язык и работать в проектном режиме.
Анализ зарплаты
Предложенная зарплата от 500 000 ₸ (около 1000-1100 USD) является стартовой для уровня Middle в Казахстане. На рынке Алматы опытные ML-инженеры могут претендовать на суммы до 800 000 - 1 200 000 ₸, поэтому итоговое предложение будет сильно зависеть от квалификации кандидата.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в SAILET уже сейчас
Откликнитесь на вакансию в Sailet, чтобы внедрять передовые ML-решения и работать с LLM в гибком удаленном формате!
Описание вакансии
*📍*Формат/working arrangement: удалённо
*✔️*Должность/position: Специалист по Data Science и машинному обучению (ML Engineer / Data Scientist)
*🏢* Место работы/workplace: ТОО Сайлет (Sailet)
*💸* Заработная плата/salary estimate: от 500.000 ₸ в месяц, на руки
*📈* Обязанности/responsibilities:
— Анализировать, подготавливать и обрабатывать структурированные и неструктурированные данные.
— Исследовать данные и искать закономерности.
— Разрабатывать, обучать и оптимизировать модели машинного обучения.
— Строить модели классификации, регрессии, кластеризации, прогнозирования и других ML-задач.
— Разрабатывать решения в области NLP, LLM, Computer Vision и рекомендательных систем.
— Оценивать качество моделей и подбирать подходящие метрики.
— Проводить эксперименты и проверять гипотезы.
— Интегрировать ML-модели в существующие продукты и сервисы.
— Оптимизировать производительность моделей.
— Подготавливать модели к использованию в production.
— Взаимодействовать с разработчиками, аналитиками и командой проекта.
— Самостоятельно разбираться в бизнес-задачах и предлагать технические подходы к их решению.
*📌* Требования/requirements:
— Опыт работы от 1 до 3 лет.
— Коммерческий или подтверждённый проектный опыт в Data Science / Machine Learning.
— Уверенное владение Python.
— Опыт работы с pandas, NumPy и scikit-learn.
— Знание основных алгоритмов машинного обучения и понимание принципов их работы.
— Опыт работы с PyTorch и/или TensorFlow.
— Знание SQL и опыт работы с данными.
— Понимание методов подготовки данных, feature engineering и оценки качества моделей.
— Знание статистики, теории вероятностей и основных математических принципов ML.
— Опыт работы с Git.
— Способность самостоятельно разобраться в бизнес-задаче и предложить технический подход к её решению.
— Английский язык — B2, средне-продвинутый.
*🛠* Технический стек:
— Python
— pandas
— NumPy
— scikit-learn
— PyTorch
— TensorFlow
— SQL
— Git
— Machine Learning
— Data Science
— Deep Learning
— NLP
— LLM
— Computer Vision
— Математическая статистика
— Математический анализ
*🎯* Основные задачи проекта:
— Разрабатывать и внедрять ML-решения для бизнес-проектов компании.
— Исследовать данные и находить закономерности, которые могут быть использованы в продуктах и сервисах.
— Создавать модели классификации, регрессии, кластеризации и прогнозирования.
— Решать задачи в области NLP, LLM, Computer Vision и рекомендательных систем.
— Проводить эксперименты, проверять гипотезы и оценивать качество моделей.
— Интегрировать и оптимизировать ML-модели для использования в production.
— Участвовать в реализации ML/AI-проектов от постановки задачи до запуска решения.
*⭐️* Будет преимуществом:
— Опыт работы с LLM и Generative AI.
— Опыт разработки решений с использованием RAG, embeddings и vector databases.
— Опыт fine-tuning моделей.
— Опыт в NLP или Computer Vision.
— Опыт построения рекомендательных и прогнозных моделей.
— Знание Docker.
— Понимание MLOps и жизненного цикла ML-моделей.
— Опыт развёртывания моделей и создания API для ML-сервисов.
— Опыт работы с облачными платформами и GPU-инфраструктурой.
— Опыт участия в коммерческих ML/AI-проектах от постановки задачи до запуска решения.
*✅* Условия/working conditions:
— Частичная занятость.
— Проектная занятость.
— Удалённая работа.
— График 5/2.
— Рабочие часы: 8 часов.
— Оформление по договору ГПХ с самозанятым, ИП или физическим лицом.
— Возможность подключения к отдельным задачам или полноценным проектам.
— Гибкая загрузка в зависимости от проекта.
— Возможность долгосрочного сотрудничества при успешной совместной работе.
— Заработная плата от 500.000 ₸ в месяц, на руки.
— Выплаты раз в месяц.
— Оплата обсуждается индивидуально и зависит от квалификации, сложности задачи, объёма работ и формата участия.
*📍* Место работы: Алматы, удалённый формат.
*📢**❗️**🚨* Вакансия: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Git
- Python
- NumPy
- Pandas
- PyTorch
- Machine Learning
- LLM
- SQL
- Statistics
- Computer Vision
- Deep Learning
- MLOps
- RAG
- NLP
- Scikit-learn
- Docker
- TensorFlow
- Data Science
Возможные вопросы на собеседовании
Проверка понимания фундаментальных принципов работы алгоритмов, указанных в требованиях.
Расскажите, как вы выбираете метрики для оценки качества модели в задачах классификации при сильном дисбалансе классов?
Вакансия предполагает работу с LLM и RAG.
Какие основные проблемы возникают при построении RAG-систем и как вы предлагаете их решать (например, проблемы релевантности контекста)?
В требованиях указана подготовка моделей к production.
Опишите ваш опыт интеграции ML-моделей в существующие сервисы. Какие инструменты вы использовали для создания API или контейнеризации?
Проверка навыков feature engineering и работы с данными.
Как вы подходите к обработке пропущенных значений и категориальных признаков в больших наборах данных перед обучением модели?
Оценка способности кандидата связывать ML с бизнес-результатами.