Junior data scientist, Департамент ИИ и разработки

Обязанности: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.Знание языков:Казахский, Русский — свободный.Английский — на уровне чтения технической документации, статей и работы с англоязычными библиотеками (Intermediate / B1–B2 и выше).Желательно 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.От 0 до 1–2 лет коммерческого опыта в Data Science / ML.Уверенное владение ПК.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 - 18:30 ч.Мед.страхованиеРазвозка