- Страна
- Австралия
LLM Data Scientist/Algorithm Engineer (Top Talent Program)
Оценка ИИИсключительная возможность для профессионального роста в топовой компании (Binance) с глобальным охватом и работой над передовыми технологиями ИИ.
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 ИИВысокая сложность обусловлена участием в программе 'Top Talent', что подразумевает исключительные требования к знаниям в области LLM и алгоритмов, а также работу в крупнейшей криптобирже мира.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая позиция в рамках программы Top Talent в Binance обычно предполагает компенсацию выше среднерыночной для Data Scientist в Азиатско-Тихоокеанском регионе и Швейцарии, учитывая высокие требования к кандидатам.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Company: Binance
Title: LLM Data Scientist/Algorithm Engineer (Top Talent Program)
Location: Asia, Auckland, Australia, Brisbane, Hong Kong, Japan, Melbourne, New Zealand, Switzerland, Sydney, Taipei, Taiwan, Tokyo, Wellington, Zurich
Date Posted: 2026-10-15T08:19:42.886938Z
Tags: Engineering, Crypto
View here: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- LLM
- Machine Learning
- Algorithms
- Data Science
- NLP
- Python
- Deep Learning
- PyTorch
- TensorFlow
Возможные вопросы на собеседовании
Проверка фундаментальных знаний в области архитектуры современных языковых моделей.
Расскажите о механизмах внимания (Attention) в архитектуре Transformer и о том, как вы оптимизировали бы их для работы с длинными контекстами?
Оценка практического опыта в дообучении моделей под специфические задачи.
Какие стратегии Fine-tuning (например, LoRA, QLoRA) вы бы использовали для адаптации LLM к специфической терминологии крипторынка?
Проверка навыков работы с данными, что критично для Data Scientist.
Как вы подходите к очистке и подготовке неструктурированных данных из блокчейн-сообществ для обучения моделей?
Оценка понимания бизнес-контекста и безопасности.
Как минимизировать риск галлюцинаций LLM в финансовых советах или аналитике, предоставляемой пользователям биржи?
Проверка алгоритмической подготовки.
Предложите алгоритм для эффективного поиска и ранжирования информации в векторной базе данных (RAG) при миллионах записей.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
