- Страна
- США
Machine Learning Engineer — NLP / Model Training
Оценка ИИПривлекательная позиция в быстрорастущем американском стартапе с локацией в Нью-Йорке. Высокий балл за перспективность сферы NLP, однако необходимость работы в офисе может подойти не всем.
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 необходимостью работы в офисе в Нью-Йорке, строгими требованиями к опыту в продакшн ML (3+ года) и глубокой экспертизе в NLP и анализе ошибок моделей.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата не указана, но для позиции ML Engineer с опытом 3+ года в Нью-Йорке рыночные показатели являются одними из самых высоких в мире. Предложение должно соответствовать уровню $160k-$220k в год.
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 — NLP / Model Training
Местоположение: New York
Формат работы: Офис
Опубликована: 16.09.2026
Требования:
• 3+ years in ML / Software Engineering
• Strong Python + NLP + model training
• Production ML experience
• Strong understanding of model evaluation & error analysis
О компании:
Быстрорастущая технологическая компания из США.
Контакт: Откликнуться
Откликнуться опубликована в LinkedIn у Katya Kudryashova
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- NLP
- Machine Learning
- Model Training
- Model Evaluation
- Error Analysis
Возможные вопросы на собеседовании
Проверка практического опыта работы с NLP-моделями.
Расскажите о самом сложном NLP-проекте, который вы выводили в продакшн: с какими проблемами столкнулись и как их решили?
Оценка навыков анализа качества моделей, указанных в требованиях.
Какие метрики и методы анализа ошибок вы используете для оценки качества генеративных или классификационных NLP-моделей?
Проверка инженерных навыков в контексте ML.
Как вы организуете процесс CI/CD для ML-моделей, чтобы гарантировать их стабильность после деплоя?
Оценка понимания современных архитектур.
В каких случаях вы предпочтете дообучение (fine-tuning) существующей LLM, а в каких — использование RAG-системы?
Проверка навыков оптимизации.
Как вы подходите к оптимизации инференса NLP-моделей для работы под высокой нагрузкой?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
