- Страна
- Россия
Middle ML Engineer
Оценка ИИИнтересный проект на стыке HealthTech и передовых технологий (LLM агенты). Четкие требования и современный стек технологий делают вакансию привлекательной для Middle-специалиста.
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 ИИРоль требует не только классических навыков ML, но и глубокой экспертизы в LLM и мультиагентных системах. Работа в сфере здравоохранения накладывает дополнительную ответственность за точность и интерпретируемость моделей.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции Middle ML Engineer в Москве с фокусом на LLM и мультиагентные системы рыночный диапазон составляет от 250 000 до 400 000 рублей. Учитывая сложность домена здравоохранения, можно ожидать предложения по верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
ID 3238
Middle ML Engineer
Москва
*❗️**❗️**❗️*гибрид
*❗️**❗️**❗️**❗️*Поклонная улица, дом 3 к 2 (оранжевая башня)
Описание проекта
Задачи сосредоточены на работе над инновационными продуктами в области здравоохранения:
- исследование данных и обнаружение инсайтов;
- проверка гипотез по улучшению продукта в части развития мультагентного ML-ядра;
- исследование применимости альтернативных LLM и DL решений.
Ожидания по циклу разработки: полный цикл ML-работы — от формулировки гипотез и метрик, через эксперимент и валидирование до продакшн-деплоя и мониторинга. Ориентация на production-ready архитектуры, чёткие метрики качества, использование современных мультиагентных фреймворков (LangGraph, deepagents и др).
Тестовое задание / Скрининг
Нет
Требования к кандидату
• Уверенное владение Python и основным ML-стеком (PyTorch/TF/JAX, scikit-learn, pandas, NumPy).
• Опыт работы с LLM: интеграция через API, настройка промптов, использование готовых мультиагентных решений.
• Опыт полного цикла по отдельным задачам: от постановки простой гипотезы и выборки данных до вывода решения в production-среду.
• Знание архитектуры Transformer и умение применять её в задачах (классификация, генерация, QA, извлечение сущностей).
• Понимание принципов построения ML-сервисов: REST/gRPC-сервисы, контейнеризация, логирование и базовый мониторинг.
• Осознанное отношение к метрикам: умение выбирать и считать метрики качества для NLP/LLM-задач, интерпретировать результаты и оформлять отчёты.
• Опыт реализации LLM агентов, мультиагентных решений по заданному дизайну.
• Умение работы с AI-инструментами разработки (Claude, Codex, Cursor, Antigravity)
Soft skills
• Умение работать в профессиональной команде, принимать фидбек по коду и экспериментам, следовать общим инженерным стандартам.
• Инициативность в предложении гипотез, готовность согласовывать их с продуктовой командой.
• Внимание к рискам домена здравоохранения: аккуратность в интерпретации результатов и формулировке выводов.
Обязанности кандидата
• Работа по ML-задачам в рамках заданной архитектуры: реализация экспериментальных прототипов, подготовка датасетов, запуск и анализ экспериментов.
• Исследование данных: проведение EDA, поиск инсайтов в продуктовых и медицинских данных, подготовка отчётов для команды.
• Проверка гипотез: реализация и тестирование гипотез по улучшению мультиагентного ML-ядра и отдельных моделей.
• Внедрение альтернативных LLM/DL-решений под руководством Senior-инженера, участие в сравнительных экспериментах.
*❗️**❗️**❗️Писать {{apply_contact}}⚡️**⚡️**⚡️**⚡️ С РЕЗЮМЕ В КОТОРОМ УКАЗАН ВОЗРАСТ И ЛОКАЦИЯ НАХОЖДЕНИЯ. Укажите 🆔* ВАКАНСИИ
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- TensorFlow
- JAX
- Scikit-learn
- Pandas
- NumPy
- LLM
- LangGraph
- Transformer
- REST
- gRPC
- Docker
- NLP
- EDA
Возможные вопросы на собеседовании
Проверка практического опыта работы с современными LLM-фреймворками, указанными в вакансии.
Расскажите о вашем опыте работы с LangGraph или аналогичными мультиагентными фреймворками. С какими сложностями вы сталкивались при координации агентов?
Важно понять, как кандидат оценивает качество специфических NLP-задач.
Какие метрики вы считаете наиболее релевантными для оценки качества работы LLM в задачах извлечения сущностей из медицинских текстов?
Вакансия предполагает полный цикл разработки.
Опишите ваш процесс вывода ML-модели в продакшн: как вы организуете мониторинг и логирование сервиса?
Проверка понимания архитектуры Transformer.
В каких случаях для задач здравоохранения вы бы предпочли дообучение (fine-tuning) модели, а в каких — использование RAG или продвинутого промпт-инжиниринга?
Оценка soft skills и ответственности в критически важном домене.
Как вы подходите к валидации гипотез, если цена ошибки в предсказании модели крайне высока, как в случае с медицинскими данными?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
