- Зарплата
- 55 000 € – 80 000 €
Откликайтесь
на вакансии с ИИ
Machine Learning Engineer
Оценка ИИОтличная вакансия в известной продуктовой компании с прозрачной вилкой зарплаты и возможностью удаленной работы из любой точки мира. Интересные задачи на стыке классического ML и современных LLM-технологий.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний как в классическом машинном обучении, так и в работе с LLM. Необходимость работы с данными миллиона компаний и создание 'интеллектуального слоя' подразумевает высокий уровень ответственности и технической экспертизы.
Анализ зарплаты
Оценка ИИПредложенная зарплата в 55,000–80,000 EUR в год соответствует среднерыночным показателям для Middle/Senior ML-инженеров в Европе, хотя для топовых Senior-позиций в крупных тех-хабах верхняя планка может быть выше. Тем не менее, для полностью удаленной роли это очень конкурентоспособное предложение.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в MailerLite уже сейчас
Присоединяйтесь к MailerLite и создавайте интеллектуальные решения для миллионов компаний по всему миру!
Описание вакансии
Published time: 2026-07-15
Company name: MailerLite
Title: Machine Learning Engineer
Salary: EUR 55,000–80,000 / year
Grades: middle, senior
Job description: Build the intelligence layer behind MailerLite's products, turning behavioral data from over a million businesses into predictions and actions. Work across the full ML spectrum from classical predictive models on large-scale behavioral data to applied LLM work, including fine-tuning models to power a goal-driven assistant.
Location: Anywhere (4h CET overlap required)
Anywhere: Yes
Remote: Yes
Tags:
#ai #machine_learning #ml #python #llm #remote #worldwide #full_time
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- LLM
- Fine-tuning
- Predictive Modeling
Возможные вопросы на собеседовании
Проверка опыта работы с реальными данными пользователей.
Расскажите о вашем опыте построения предиктивных моделей на основе поведенческих данных в масштабе. С какими основными трудностями вы сталкивались?
Оценка навыков работы с современными языковыми моделями.
Какие методы вы используете для fine-tuning LLM под конкретные бизнес-задачи, такие как создание интеллектуального ассистента?
Проверка инженерных навыков и понимания жизненного цикла ML.
Как вы подходите к развертыванию и мониторингу ML-моделей в продакшене, чтобы обеспечить их стабильность и точность?
Оценка способности работать с большими объемами данных.
Какие инструменты и подходы вы предпочитаете для обработки и подготовки данных (ETL) при работе с миллионами записей?
Проверка навыков приоритизации и продуктового мышления.
