Machine Learning Engineer
Оценка ИИОтличная вакансия в топовой криптокомпании с современным стеком (LLM, RL) и сильным социальным пакетом. Высокий балл за масштаб задач и потенциал роста.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью сочетать классический ML (XGBoost, LightGBM) с современными LLM-агентами, а также спецификой работы в сфере крипто-рисков и антифрода.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции ML Engineer в международном финтехе уровня OKX предлагаемая компенсация (включая бонусы и LTI) соответствует верхнему децилю рынка. В США или крупных европейских хабах такие роли оплачиваются значительно выше среднего по рынку.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Machine Learning Engineer
Company: OKX
OKX is a leading crypto exchange and the developer of OKX Wallet, giving millions access to trading and decentralized applications. The company is trusted by large institutions and emphasizes safety and reliability backed by Proof of Reserves.
Responsibilities:
- Build, evaluate, and deploy machine learning models for fraud and risk detection.
- Improve data quality, features, and model performance while balancing fraud detection and customer experience.
- Develop AI agents to support investigations, summarize cases, retrieve evidence, and automate workflows.
- Use AI coding tools to accelerate development, testing, and debugging and validate generated code.
- Work with engineering, product, and risk teams to deploy solutions and monitor their impact.
Requirements:
- Strong foundation in machine learning with hands-on experience in deep learning and tree-based models (XGBoost/LightGBM).
- Strong Python skills and experience training, evaluating, and deploying models.
- Practical experience building AI agents or LLM applications (tool calling, retrieval, workflow automation).
- Regular use of AI coding tools with the ability to test and improve generated code.
- Familiarity with databases and data pipelines for preparing training data and supporting ML workflows.
- Good problem-solving, communication, and collaboration skills.
Nice to have:
- Experience in account takeover (ATO), scam detection, or other fraud and risk use cases.
- Experience with LLM training, fine-tuning, evaluation, and alignment.
- Experience with reinforcement learning algorithms and practical implementation.
- Experience with real-time ML systems, imbalanced datasets, or model explainability.
- Prior fraud or risk experience.
- Fluency in Mandarin.
Stack:
Python, Deep Learning, XGBoost, LightGBM, LLMs, Reinforcement Learning, Databases, Real-time ML
Benefits:
- Competitive total compensation package.
- Performance bonus and long-term incentives may be provided.
- L&D programs for employee growth and development.
- Team building programs and company events.
- Wellness and meal allowances.
- Comprehensive healthcare schemes for employees and dependants.
- Medical Insurance.
*📩* Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Machine Learning
- LLM
- Deep Learning
- Data Pipelines
- XGBoost
- LightGBM
- Databases
- Reinforcement Learning
Возможные вопросы на собеседовании
Проверка опыта работы с несбалансированными данными, что критично для задач антифрода.
Как вы подходите к проблеме дисбаланса классов при обучении моделей обнаружения мошенничества?
Оценка практических навыков работы с LLM и интеграции их в рабочие процессы.
Расскажите о вашем опыте создания AI-агентов: какие инструменты вы использовали для Tool Calling и RAG?
Проверка понимания специфики криптоиндустрии и типов атак.
Какие признаки (features) вы бы выделили как наиболее важные для обнаружения Account Takeover (ATO) на криптобирже?
Оценка навыков работы с кодом и использования AI-помощников.
Как вы валидируете код, сгенерированный AI-инструментами, чтобы гарантировать его безопасность и производительность?
Проверка знаний в области глубокого обучения и RL, упомянутых в стеке.
В каких сценариях риск-менеджмента вы бы применили обучение с подкреплением (Reinforcement Learning)?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
