AI/ML Engineer - Senior
Оценка ИИОтличная вакансия для опытных инженеров: удаленный формат работы по всему миру, работа с передовым стеком (Generative AI, RAG) и крупными клиентами. Высокий балл за актуальность технологий и глобальный охват.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием владения полным жизненным циклом ML (MLOps), глубокими знаниями в области LLM/RAG и необходимостью учитывать регуляторные нормы, такие как AI Act. Роль Senior подразумевает полную автономность и ответственность за архитектурные решения.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая роль Senior AI/ML Engineer на глобальном рынке обычно оплачивается в диапазоне $80,000 - $130,000 в год в зависимости от региона проживания кандидата и конкретного бюджета проекта. Учитывая сложность задач (LLM, MLOps), позиция находится в верхнем сегменте рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Published time: 2026-11-08
Company name: Fincons Group
Title: AI/ML Engineer - Senior
Grades: senior, senior+
Job description: Build and deploy ML models, generative AI, LLM, NLP and RAG systems for a Fincons client, owning the full ML lifecycle from data preparation to deployment, monitoring and MLOps automation, with attention to data governance and AI Act compliance.
Location: Worldwide (remote)
Anywhere: Yes
Remote: Yes
Tags:
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- PyTorch
- Machine Learning
- LLM
- NLP
- RAG
- MLOps
- Generative AI
- Data Governance
Возможные вопросы на собеседовании
Проверка практического опыта внедрения современных архитектур поиска.
Расскажите о вашем опыте построения RAG-систем: какие векторные базы данных вы использовали и как решали проблему галлюцинаций LLM?
Оценка навыков автоматизации и поддержки моделей в продакшене.
Как вы организуете MLOps пайплайны для мониторинга дрейфа данных и качества моделей после деплоя?
Важно для работы в регулируемых сферах (финтех).
Какие шаги вы предпринимаете для обеспечения соответствия AI Act и принципам Data Governance при разработке моделей?
Проверка владения основным стеком.
В каких сценариях вы предпочтете PyTorch вместо других фреймворков для задач NLP, и как вы оптимизируете производительность обучения?
Оценка архитектурного мышления.
Опишите процесс выбора между использованием готовых API (например, OpenAI) и дообучением (fine-tuning) собственных open-source моделей для конкретной бизнес-задачи.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
