Откликайтесь
на вакансии с ИИ
Machine Learning Engineer (RecSys)
Оценка ИИИнтересный проект в сфере VR с понятным стеком технологий и возможностью удаленной работы. Платформа DeoVR является заметным игроком на рынке, что гарантирует работу с большими данными и сложными задачами.
Сложность вакансии
Оценка ИИПозиция требует уверенного владения стеком PyTorch/TensorFlow и специфического опыта в RecSys, а также навыков построения масштабируемых пайплайнов. Высокая планка по SQL и опыту работы с ML-инфраструктурой (Airflow, MLflow) делает роль подходящей для специалистов уровня Middle+.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для ML-инженера с опытом от 2 лет в области RecSys на международном рынке (удаленка) медиана составляет около $4500-$6000. Предложение будет конкурентоспособным, если попадет в этот диапазон.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Infomediji уже сейчас
Присоединяйтесь к команде InfoMediji и создавайте будущее VR-контента через инновационные рекомендательные системы!
Описание вакансии
Machine Learning Engineer (RecSys) / Infomediji *⚡️*
*🌍*Remote
InfoMediji — создают VR-платформу DeoVR. Это кроссплатформенный VR-плеер и экосистема для просмотра, создания и потоковой передачи видео в виртуальной реальности
*🚀*CEO — Иван Варко
Требования к кандидату:
- 2+ years of experience in machine learning
- Strong Python skills
- Advanced SQL knowledge
- Proficient with PyTorch or TensorFlow
- Experience with CatBoost, XGBoost, Airflow, MLflow
- Background in recommendation systems or AI
- Ability to build scalable ML pipelines
- MSc in CS, Math or related (bonus)
Читать подробнее:
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- Machine Learning
- SQL
- Recommendation Systems
- Airflow
- TensorFlow
- XGBoost
- MLflow
- CatBoost
Возможные вопросы на собеседовании
Проверка фундаментальных знаний в области рекомендательных систем.
Какие подходы к решению проблемы 'холодного старта' для новых видео в VR-плеере вы бы предложили?
Оценка навыков работы с инфраструктурой и пайплайнами.
Расскажите о вашем опыте построения масштабируемых ML-пайплайнов с использованием Airflow и MLflow.
Проверка владения инструментами градиентного бустинга.
В каких случаях вы предпочтете CatBoost вместо XGBoost при работе с категориальными признаками пользователей?
Оценка навыков работы с глубоким обучением.
Как бы вы спроектировали архитектуру нейросети на PyTorch для извлечения признаков из VR-видео для системы рекомендаций?
Проверка навыков оптимизации запросов.
