- Страна
- Россия
- Зарплата
- от 400 000 ₽
AI/ML архитектор
Оценка ИИПривлекательная вакансия для опытных архитекторов: высокая заработная плата, возможность спроектировать систему с нуля и работа в известной компании. Стек технологий актуален (LLM, RAG), а сфера авиаперевозок обещает интересные и сложные задачи.
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 ИИРоль требует редкого сочетания глубокой экспертизы в ML/LLM, навыков системного архитектора и уверенного владения как Python, так и C# для интеграции с ядром системы. Высокий уровень ответственности за проектирование системы с нуля и необходимость прямого взаимодействия с заказчиком значительно повышают порог входа.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата от 400 000 ₽ на руки соответствует верхнему сегменту рынка для Senior/Lead ML-специалистов в России. Рыночный медианный уровень для архитекторов такого профиля обычно колеблется в районе 350 000 - 450 000 ₽, что делает данное предложение конкурентоспособным.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Аркадия
AI/ML архитектор
от 400 000 ₽ за месяц, на руки
Опыт работы: более 6 лет
Полная занятость
График: 5/2
Формат работы: удалённо
*☑️* Чем предстоит заниматься
-Архитектура и дизайн: спроектировать архитектуру ML-системы с нуля (сбор, очистка, стандартизация данных, обучение моделей, инференс и интеграция с ядром бронирования)
-Техническое лидерство: выступить в роли Tech Lead - не только рисовать архитектуры, но и активно участвовать в разработке, проводить код-ревью, выстраивать процессы и менторить команду
-Работа с заказчиком и аналитика: стать главным техническим лицом проекта перед авиакомпанией. Активно коммуницировать с бизнесом, выявлять истинные потребности и переводить бизнес-требования в чёткие технические спецификации
-Data & AI: определить стек и подходы для работы с неструктурированными данными, настроить пайплайны сбора данных с рынка (включая использование LLM для парсинга и агрегации)
*☑️* Наши пожелания к кандидатам
-Опыт проектирования и построения ML-систем (MLOps) от 3–4 лет, общий опыт в Data Science / ML от 5+ лет
-Глубокое понимание архитектуры данных: опыт работы с большими объёмами разнородных данных (ETL/ELT, потоковая обработка, Data Lakes/Warehouses)
-Отличное знание Python и современных ML-фреймворков
-Уверенное владение C# для интеграции AI-сервисов с высоконагруженными backend-системами и ядром бронирования
-Знание облачных/On-premise решений для Big Data (Spark, Kafka, Airflow и аналоги)
-Понимание того, как интегрировать LLM в продакшен-пайплайны (RAG, агентные подходы, fine-tuning или prompt engineering для извлечения данных)
-Опыт построения моделей для задач ценообразования, рекомендаций или прогнозирования временных рядов будет огромным плюсом
-Умение говорить с бизнесом на одном языке: опыт сбора требований, проведения интервью с заказчиками, постановки задач команде разработки
-Навыки технического руководства: умение собрать команду, выстроить процессы разработки и взять на себя ответственность за технический результат
-Системное мышление и умение видеть картину целиком: от бизнес-цели авиакомпании до строчки кода в микросервисе
Контакты: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- C#
- MLOps
- ETL
- ELT
- Data Lakes
- Spark
- Kafka
- Airflow
- LLM
- RAG
- Fine-tuning
- Prompt Engineering
- Big Data
Возможные вопросы на собеседовании
Проверка навыков проектирования сложных систем и понимания жизненного цикла ML-моделей.
Опишите ваш подход к проектированию MLOps-архитектуры для системы, которая должна интегрироваться с высоконагруженным ядром бронирования. Как вы обеспечите отказоустойчивость?
Вакансия предполагает работу с неструктурированными данными и LLM.
Какие стратегии вы бы использовали для парсинга и агрегации рыночных данных с помощью LLM, чтобы минимизировать галлюцинации и обеспечить высокую точность извлечения информации?
Требуется знание C# для интеграции.
Расскажите о вашем опыте интеграции Python-сервисов (ML) с backend-системами на C#. Какие протоколы взаимодействия (gRPC, REST, очереди сообщений) вы предпочитаете в высоконагруженных средах и почему?
Роль Tech Lead подразумевает управление процессами.
Как вы выстраиваете процесс код-ревью и контроля качества данных в команде, где одновременно работают Data Scientists и Backend-разработчики?
Важна способность общаться с бизнесом.
Приведите пример ситуации, когда бизнес-требования заказчика противоречили техническим возможностям или целесообразности. Как вы аргументировали свою позицию и какое решение было принято?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
