- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Middle+ ML Developer
Оценка ИИВакансия привлекательна современным стеком технологий и четко прописанными требованиями. Удаленный формат работы из РФ и фокус на инженерную составляющую ML делают роль перспективной для профессионального роста.
Сложность вакансии
Оценка ИИПозиция требует широкого стека технологий, включая не только ML-фреймворки, но и серьезные инженерные навыки: DevOps (K8s, CI/CD), Big Data (Spark) и опыт работы с Feature Stores. Уровень Middle+ предполагает самостоятельность в выводе моделей в продакшн.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции Middle+ ML Engineer на российском рынке медиана составляет около 300 000 - 350 000 рублей. Специалисты с навыками DevOps и Big Data могут претендовать на верхнюю границу рынка.
Сопроводительное письмо
Меня заинтересовала вакансия Middle+ ML Developer, так как мой опыт в разработке моделей машинного обучения и выводе их в продакшн полностью соответствует вашим требованиям. Я обладаю глубокими знаниями Python, опытом работы с PyTorch и Spark, а также навыками настройки CI/CD пайплайнов и мониторинга моделей с помощью MLflow и Grafana.
В своей практике я уделяю большое внимание качеству кода и архитектуре решений, что позволяет создавать масштабируемые и надежные ML-системы. Уверен, что мой опыт работы с Docker, Kubernetes и облачными платформами позволит мне эффективно решать задачи по деплою и поддержке моделей в вашей компании. Буду рад обсудить, как мои навыки могут быть полезны вашей команде.
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Отправьте свое резюме через LinkedIn, чтобы присоединиться к команде профессионалов в области машинного обучения!
Описание вакансии
Middle+ ML Developer
#MiddleMLDeveloper #MLDeveloper #Middle+ #Удаленно #РФ
Требования:
Не менее 3 лет в роли ML Engineer либо на смежной позиции (например, Data Scientist с выраженным инженерным уклоном). Продвинутый уровень программирования на Python: написание чистого и модульного кода, работа с типизацией и асинхронным программированием. Уверенное владение библиотеками scikit learn, pandas, NumPy. Практический опыт с одним из фреймворков: PyTorch, TensorFlow или JAX. Опыт написания сложных SQL запросов, включая оконные функции. Знакомство с инструментами обработки больших данных: Spark (PySpark) или Dask. Навыки оптимизации запросов. Базовые навыки администрирования Docker и Kubernetes. Работа с системами контроля версий (Git, DVC для управления данными). Настройка CI/CD пайплайнов (GitLab CI, GitHub Actions, Jenkins). Мониторинг моделей и инфраструктуры (Prometheus + Grafana, Evidently AI, MLflow). Облачные платформы: опыт хотя бы с одной из: AWS (SageMaker, EKS), GCP (Vertex AI), Azure ML, либо опыт развёртывания on premise решений (Kubeflow, Airflow). Деплой моделей: практический опыт вывода моделей в production с использованием FastAPI, Flask, Triton Inference Server, TensorFlow Serving или аналогичных инструментов. Опыт с feature store: Feast, Tecton, Hopsworks. Навыки распределённого обучения: Horovod, Ray, PyTorch Distributed.
Локация:📍Удалённо из РФ (UTC +3).
Контакт для отклика: Откликнуться
Про карьеру, рост и ценность себя: @jobstobeloved
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Scikit-learn
- Pandas
- NumPy
- PyTorch
- TensorFlow
- JAX
- SQL
- Apache Spark
- PySpark
- Dask
- Docker
- Kubernetes
- Git
- DVC
- GitLab CI
- GitHub Actions
- Jenkins
- Prometheus
- Grafana
- Evidently AI
- MLflow
- AWS
- Amazon SageMaker
- Google Cloud Platform
- Vertex AI
- Azure Machine Learning
- Kubeflow
- Apache Airflow
- FastAPI
- Flask
- Triton Inference Server
- TensorFlow Serving
- Feast
- Tecton
- Hopsworks
- Horovod
- Ray
Возможные вопросы на собеседовании
Проверка инженерных навыков и понимания жизненного цикла модели.
Расскажите о вашем опыте построения CI/CD пайплайнов специально для ML-проектов. Какие инструменты вы использовали для версионирования данных и моделей?
Оценка навыков работы с высоконагруженными системами и Big Data.
Как бы вы оптимизировали процесс обработки данных в PySpark, если столкнулись с проблемой перекоса данных (data skew)?
Проверка опыта деплоя и мониторинга.
Какие метрики вы отслеживаете после деплоя модели в продакшн для обнаружения дрейфа данных (data drift) или концепта (concept drift)?
Оценка архитектурного мышления.
В каких случаях вы бы предпочли использовать Feature Store (например, Feast), а когда это было бы избыточным решением?
Проверка навыков оптимизации производительности.
Какие методы оптимизации инференса моделей вы применяли (квантование, прунинг, использование Triton Inference Server)?
Похожие вакансии
Middle+ ML разработчик
Data Scientist в RecSys
Middle CV Research Engineer
Middle Data Analyst / System Analyst (Big Data)
Middle Data Scientist
Data инженер (Middle)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!
- Страна
- Россия