- Страна
- Россия
Откликайтесь
на вакансии с ИИ
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.
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.
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.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Отправьте свое резюме с указанием возраста и локации @veroneko, чтобы стать частью команды, создающей будущее цифрового здравоохранения!
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?
Похожие вакансии
AI-ИНЖЕНЕР (MIDDLE+)
Junior/Middle ML-инженер/Python разработчик [SmartDocs]
Middle-разработчик (AI-инженер)
Middle+ AI инженер
Middle+ AI инженер
Python / LLM Engineer: RAG и ИИ-агенты
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!