- Страна
- Казахстан
Откликайтесь
на вакансии с ИИ
Machine Learning Engineer / Applied ML Researcher
Оценка ИИПривлекательная вакансия в крупной продуктовой компании с четким стеком технологий и понятными задачами, однако отсутствие указания вилки зарплаты снижает прозрачность.
Сложность вакансии
Оценка ИИПозиция требует уверенных знаний математики и опыта работы с продакшн-инструментами (Docker, PyTorch), но порог входа в 1-2 года делает её доступной для специалистов уровня Middle.
Анализ зарплаты
Оценка ИИДля рынка Алматы и уровня Middle ML Engineer зарплата обычно находится в диапазоне от 800 000 до 1 500 000 тенге. Предлагаемая роль в крупной компании, вероятно, соответствует верхним границам рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в ProHunters уже сейчас
Отправьте свое резюме на почту и станьте частью команды, создающей передовые ML-решения в Алматы!
Описание вакансии
*✅ Machine Learning Engineer / Applied ML Researcher*
*📍* Алматы
О компании
Крупная продуктовая IT-компания.
Задачи:
• Разработка и внедрение ML-моделей.
• Исследование гипотез и запуск экспериментов.
• Оценка эффективности моделей.
• Вывод ML-решений в production.
• Взаимодействие с продуктовыми и инженерными командами.
Мы ищем вас, если:
• Есть опыт в ML Engineering, Data Science или Research Engineering от 1–2 лет.
• Уверенно владеете Python и SQL.
• Хорошо знаете Machine Learning, математику и статистику.
• Работали с production ML (PyTorch, Docker, Git и др.).
• Опыт с Recommendation Systems, LLM или Forecasting будет преимуществом.
*📩 Email:* Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Git
- Python
- PyTorch
- Machine Learning
- LLM
- SQL
- Statistics
- Forecasting
- Recommendation Systems
- Docker
- Mathematics
Возможные вопросы на собеседовании
Проверка понимания жизненного цикла модели и навыков инженерии.
Расскажите о вашем опыте вывода ML-моделей в production: с какими трудностями сталкивались при деплое и мониторинге?
Оценка теоретической базы, необходимой для качественного исследования данных.
Как вы выбираете метрики для оценки эффективности модели и как проверяете их статистическую значимость?
Проверка владения основным фреймворком, указанным в вакансии.
В чем основные отличия PyTorch от других фреймворков, и как вы оптимизируете обучение нейросетей?
Оценка навыков работы с данными, критически важных для ML.
Напишите сложный SQL-запрос с использованием оконных функций для подготовки датасета.
Проверка дополнительных навыков, которые являются преимуществом.
