- Зарплата
- от 4 000 $
Откликайтесь
на вакансии с ИИ
Machine Learning Engineer
Оценка ИИПривлекательная вакансия с конкурентной зарплатой в долларах и возможностью работать с передовыми технологиями 3D CV. Удаленный формат и работа в стартапе дают свободу, но требуют высокой самоорганизации.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена узкой специализацией в 3D Computer Vision (meshes, point clouds) и требованием к сильному опыту вывода систем в продакшен. Работа в стартапе предполагает высокую степень автономности и ответственности.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата от $4000 соответствует верхнему сегменту рынка для Middle+/Senior ML-инженеров в международном секторе. Это конкурентное предложение, учитывая удаленный формат работы.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в HaaS Platform уже сейчас
Присоединяйтесь к HaaS Platform и создавайте передовые ML-решения в области 3D Computer Vision!
Описание вакансии
Machine Learning Engineer в HaaS Platform
*💰*От $4000 на руки
*📌*Условия и бонусы:
Фултайм, удаленно.
*📌*Наши ожидания:
– сильный опыт разработки и вывода ML-систем в продакшен;
– опыт работы с 3D Computer Vision, meshes и point clouds;
– отличные знания Python и PyTorch;
– опыт работы с несбалансированными датасетами и шумной разметкой;
– опыт построения и анализа ML-экспериментов;
– опыт разработки inference-сервисов;
– комфортная работа в условиях стартапа и высокой автономности.
*✍🏼*Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- Machine Learning
- Computer Vision
- Inference
- 3D Computer Vision
Возможные вопросы на собеседовании
Проверка практического опыта работы со специфическими данными, указанными в вакансии.
Расскажите о вашем опыте работы с 3D данными (meshes, point clouds). С какими библиотеками и архитектурами вы работали?
Вакансия упоминает работу с шумной разметкой, что является частой проблемой в ML.
Какие стратегии вы используете для обучения моделей на данных с шумной разметкой или сильным дисбалансом классов?
Важно понять, как кандидат переходит от модели к работающему сервису.
Опишите ваш процесс деплоя ML-моделей. Какие инструменты вы используете для создания и оптимизации inference-сервисов?
Проверка навыков системного подхода к улучшению моделей.
Как вы структурируете свои ML-эксперименты и какие метрики считаете ключевыми при анализе результатов в задачах Computer Vision?
Оценка софт-скиллов для работы в стартапе.
