Кіші деректер ғалымы, AI және әзірлемелер департаменті

ТОО QazCloud Астана қ.

Қажетті жұмыс тәжірибесі: Тәжірибесіз Еңбекпен толық қамтылу, Толық күн

Бос орын ашық

Құрылған күні:: 21.10.2026
Берілген өтінім:: 8
Қаралған саны:: 126

Міндеттері:

Деректерді жинау, тазалау, белгілеу және алдын ала өңдеу (кестелік, мәтіндік дереккөздер).
Деректерге зерттеу талдауы (EDA), гипотезаларды қалыптастыру және тексеру, feature engineering.
Классикалық ML-модельдерін оқыту, валидациялау және сапасын бағалау (регрессия, классификация, кластеризация).
LLM/GenAI шешімдерін әзірлеу және интеграциялау: RAG-пайплайндар, эмбеддингтермен және векторлық деректер базаларымен жұмыс, промпт-инжиниринг.
AI-сервистерді прототиптеу және оларды API-эндпоинттарға орау.
Таза, қайта өндіруге болатын код жазу, эксперименттер жүргізу және құжаттама жүргізу.

Талаптар:

Python-ды және бейінді кітапханаларды сенімді меңгеру: pandas, NumPy, scikit-learn.
Машиналық оқытудың негіздерін білу: есеп түрлері, сапа метрикалары, артық/жеткіліксіз үйрену, кросс-валидация.
Математикалық базаны түсіну: сызықтық алгебра, ықтималдықтар теориясы, статистика.
SQL-ді білу және реляциялық деректер базаларымен жұмыс істей алу.
LLM-нің базалық жұмысын түсіну: токенизация, эмбеддингтер, RAG қағидасы, промпт-инжиниринг негіздері.
LLM-провайдерлерінің API-лерімен жұмыс тәжірибесі (OpenAI, Anthropic және аналогтар) немесе фреймворктармен (LangChain, LlamaIndex) — кемінде пет-жобалар деңгейінде.
Git-пен жұмыс дағдылары және бірлескен әзірлеу қағидаларын түсіну.
Аналитикалық ойлау, детальдарға мұқияттылық, тапсырманы нәтижеге дейін жеткізе білу.
Тілдерді білу:
Қазақ тілі, Орыс тілі — еркін.
Ағылшын тілі — техникалық құжаттаманы, мақалаларды оқу және ағылшын тіліндегі кітапханалармен жұмыс істеу деңгейінде (Intermediate / B1–B2 және жоғары).
Желательно DL-фреймворктармен таныстық (PyTorch, TensorFlow) және нейрожелілік архитектуралармен (трансформерлер).
Деректерді визуализациялау және дашбордтар құру тәжірибесі (matplotlib/plotly, BI-құралдар).
Бейінді сертификаттар: ML/DL бойынша мамандану (Coursera, DeepLearning.AI), бұлттық сертификаттар (AWS ML, Google Cloud ML) және аналогтар.
Жария портфолио: GitHub, Kaggle, пет-жобалар, жарыстарға/хакатондарға қатысу.
Data Science / ML саласында 0-ден 1–2 жылға дейін коммерциялық тәжірибе.
Компьютерді сенімді меңгеру.
Бейінді бағыттардың жақында бітірген түлектері (Computer Science, Data Science, қолданбалы математика, статистика) қарастырылады — оқу немесе пет-жобалары мықты болған жағдайда.
Стажировка тәжірибесі, ML-жарыстарға қатысу (Kaggle) немесе ML/LLM қолданылған өз жобалары құпталады.