Lead ML-Engineer (FaO)
S7 TechLab — известная технологическая компания с интересными задачами на стыке авиации и IT. Позиция Lead предлагает отличные возможности для профессионального роста, влияния на продукт и работу с современным стеком технологий.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Роль Lead требует не только глубоких технических знаний в ML и MLOps (Kubernetes, Kafka), но и навыков управления командой и архитектурного проектирования. Высокая ответственность за результат в крупной технологической компании повышает порог входа.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Зарплата в объявлении не указана, но для позиции Lead ML-Engineer в Москве рыночный диапазон составляет от 350 000 до 550 000 рублей. S7 TechLab обычно предлагает конкурентоспособные условия, соответствующие верхнему сегменту рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Требуется «Lead ML-Engineer (FaO)» (Москва)
Компания «S7 TechLab» ищет хорошего специалиста на вакансию «Lead ML-Engineer (FaO)». Москва (Россия). Полный рабочий день. Требуемые навыки: , , , , , .
*👉*@progjob
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- Machine Learning
- Kubernetes
- PostgreSQL
- Apache Airflow
- Apache Kafka
Возможные вопросы на собеседовании
Для лида важно понимать, как обеспечить надежность и масштабируемость ML-сервисов в продакшене.
Как бы вы спроектировали архитектуру системы для инференса моделей в реальном времени с использованием Kubernetes и Kafka?
Проверка навыков работы с данными и понимания ETL/ELT процессов.
Опишите ваш опыт построения пайплайнов обработки данных в Airflow: как вы обрабатываете ошибки и обеспечиваете идемпотентность задач?
Оценка лидерских качеств и умения развивать команду.
Как вы подходите к процессу код-ревью и менторству младших специалистов в ML-команде?
Проверка практического опыта работы с базами данных в контексте ML.
Какие стратегии оптимизации запросов в PostgreSQL вы используете при работе с большими объемами признаков (features)?
Понимание жизненного цикла модели.
Как вы организуете мониторинг качества моделей в продакшене и процесс их переобучения (retraining)?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

