Описание
Описания нет
Задачи
•Сбор, очистка, разметка и предобработка данных (табличные, текстовые источники)
•Разведочный анализ данных (EDA), формирование и проверка гипотез, feature engineering
•Обучение, валидация и оценка качества классических ML-моделей (регрессия, классификация, кластеризация)
•Разработка и интеграция LLM/GenAI-решений: RAG-пайплайны, работа с эмбеддингами и векторными БД, промпт-инжиниринг
•Прототипирование AI-сервисов и их упаковка в API-эндпоинты
•Написание чистого воспроизводимого кода, ведение экспериментов и документации
Требования
•Уверенное владение Python и профильными библиотеками: pandas, NumPy, scikit-learn
•Знание основ машинного обучения: типы задач, метрики качества, переобучение/недообучение, кросс-валидация
•Понимание математической базы: линейная алгебра, теория вероятностей, статистика
•Знание SQL и умение работать с реляционными базами данных
•Базовое понимание работы LLM: токенизация, эмбеддинги, принцип RAG, основы промпт-инжиниринга
•Опыт работы с API LLM-провайдеров (OpenAI, Anthropic и аналоги) или фреймворками (LangChain, LlamaIndex) — хотя бы на уровне пет-проектов
•Навыки работы с Git и понимание принципов совместной разработки
•Аналитическое мышление, внимательность к деталям, умение доводить задачу до результата
•Казахский, Русский — свободный
•Английский — на уровне чтения технической документации, статей и работы с англоязычными библиотеками (Intermediate / B1–B2 и выше)
•От 0 до 1–2 лет коммерческого опыта в Data Science / ML
•Уверенное владение ПК
Будет плюсом
•Знакомство с DL-фреймворками (PyTorch, TensorFlow) и нейросетевыми архитектурами (трансформеры)
•Опыт визуализации данных и построения дашбордов (matplotlib/plotly, BI-инструменты)
•Профильные сертификаты: специализации по ML/DL (Coursera, DeepLearning.AI), облачные сертификаты (AWS ML, Google Cloud ML) и аналогичные
•Публичное портфолио: GitHub, Kaggle, пет-проекты, участие в соревнованиях/хакатонах
•Рассматриваются недавние выпускники профильных направлений (Computer Science, Data Science, прикладная математика, статистика) с сильными учебными или пет-проектами
•Приветствуется опыт стажировок, участие в ML-соревнованиях (Kaggle) или собственные реализованные проекты с использованием ML/LLM
Условия
•График работы: с 09:00 до 18:30
•Медицинское страхование
•Развозка
