- Зарплата
- 4 000 $ – 6 000 $
Откликайтесь
на вакансии с ИИ
ML Engineer
Оценка ИИПривлекательная вакансия в известной компании с конкурентной зарплатой в долларах. Широкий стек технологий и разнообразие проектов (fintech, mobility) обеспечивают отличные возможности для профессионального роста.
Сложность вакансии
Оценка ИИРоль требует не только глубоких знаний алгоритмов машинного обучения, но и серьезных навыков инженерии для вывода моделей в продакшн. Работа в таких динамичных сферах, как mobility и fintech, подразумевает высокую ответственность за точность и производительность систем.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата в $4000–6000 соответствует верхнему сегменту рынка для опытных ML-инженеров (Middle+/Senior) в международном контексте. Это выше среднего уровня по РФ, но стандартно для компаний с глобальным присутствием.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в GetTransfer уже сейчас
Присоединяйтесь к GetTransfer и создавайте передовые ML-решения для глобального рынка мобильности!
Описание вакансии
4 000 – 6 000 $/месяц
Офис, Фултайм
GetTransfer ищет опытного ML Engineer для разработки и внедрения ML-решений в production. В периметре компании — широкий спектр проектов: от RightTech и mobility до fintech и других технологических направлений...(Откликнуться)
**⚠️ Будьте внимательны: иногда мошенники маскируют свои схемы под вакансии реальных компаний, никому не передавайте доступ к своим аккаунтам или устройствам.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- Fintech
- Mobility
- Production Deployment
Возможные вопросы на собеседовании
Проверка практического опыта развертывания моделей.
Расскажите о вашем самом сложном кейсе вывода ML-модели в production: с какими техническими трудностями вы столкнулись?
Важно для специфики GetTransfer (mobility/fintech).
Как бы вы подошли к задаче динамического ценообразования для трансферов в реальном времени?
Оценка навыков работы с данными и инфраструктурой.
Какие инструменты и подходы вы используете для мониторинга качества моделей после их деплоя?
Проверка фундаментальных знаний.
В каких случаях вы предпочтете классические алгоритмы (например, градиентный бустинг) глубокому обучению?
Оценка умения работать в команде и с бизнесом.
