- Страна
- США
AI Platform Developer
Оценка ИИИнтересная роль в сфере AI с четкими требованиями, однако отсутствие указанной зарплаты и обязательное присутствие в офисе снижают привлекательность. Перспектива перехода в штат в 2026 году добавляет стабильности, но ограничивает гибкость.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИСредний уровень сложности обусловлен требованием 5–7 лет опыта и глубоких знаний в области нейронных сетей и MLOps. Также вакансия предполагает работу в офисе 4–5 дней в неделю, что может сузить круг кандидатов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ объявлении зарплата не указана, но для позиции Mid-Level AI Developer в штате Вирджиния рыночные показатели обычно выше среднего по стране из-за концентрации технологических и государственных компаний. Предлагаемый диапазон 130k-175k USD соответствует текущим рыночным ожиданиям для специалистов с опытом 5-7 лет.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Who We’re Looking For (Position Overview):
Spry Methods is on the search for an AI Platform Developer (Mid-Level) to support the design, development, and deployment of advanced AI/ML solutions. The role involves building scalable AI platforms, collaborating with cross-functional teams, and delivering high-quality machine learning models and data-driven applications.
What Your Day-To-Day Looks Like (Position Responsibilities):
• Design, develop, and deploy machine learning and deep learning models
• Build and maintain scalable AI platforms and data pipelines
• Perform data acquisition, preprocessing, and feature engineering
• Collaborate with cross-functional teams including engineering, operations, and business stakeholders
• Optimize and monitor model performance in production environments
• Support MLOps processes including model deployment, versioning, and lifecycle management
• Work with large datasets using big data technologies
What You Need to Succeed (Minimum Requirements):
• 5–7 years of experience in AI/ML development or related field
• Strong programming skills in Python (required); experience with R, Java, or C is a plus
• Deep understanding of machine learning concepts (supervised, unsupervised, reinforcement learning)
• Experience with neural networks including CNNs and RNNs
• Hands-on experience with AI/ML frameworks such as TensorFlow, PyTorch, Keras, and scikit-learn
• Strong data analysis skills including data cleaning, preprocessing, and feature engineering
• Experience with SQL and/or NoSQL databases
• Familiarity with big data tools such as Apache Spark and OpenSearch
• Solid foundation in mathematics and statistics (linear algebra, calculus, probability)
• Must be willing to work onsite 4–5 days per week in Herndon, VA
• Must be open to converting to a full-time employee in November 2026
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Machine Learning
- Deep Learning
- TensorFlow
- PyTorch
- Keras
- Scikit-learn
- SQL
- NoSQL
- Apache Spark
- OpenSearch
- MLOps
- CNN
- RNN
- Data Engineering
Возможные вопросы на собеседовании
Проверка практического опыта работы с жизненным циклом моделей.
Расскажите о вашем опыте внедрения MLOps: как вы организуете версионирование моделей и мониторинг их производительности в продакшене?
Оценка навыков работы с большими данными, указанных в требованиях.
Как вы подходите к обработке и очистке данных при работе с крупными датасетами в Apache Spark?
Проверка глубины понимания архитектур нейросетей.
В каких случаях вы предпочтете использовать CNN вместо RNN, и наоборот, для решения задач обработки данных?
Оценка навыков проектирования систем.
Опишите архитектуру AI-платформы, которую вы разрабатывали: как обеспечивалась ее масштабируемость?
Проверка математической базы.
Как знания линейной алгебры и теории вероятностей помогают вам в оптимизации гиперпараметров моделей?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
