- Страна
- Россия
Откликайтесь
на вакансии с ИИ
ML Engineer / AI Engineer
Оценка ИИИзвестный бренд, широкий спектр интересных задач (от классического ML до LLM) и удаленный формат работы делают вакансию очень привлекательной. Отсутствие указанной вилки зарплаты — единственный существенный минус.
Сложность вакансии
Оценка ИИПозиция требует уверенного владения классическим ML и Python, а также опыта работы с большими данными в ритейле. Сложность заключается в необходимости понимания бизнес-процессов и умении интегрировать модели в продакшн.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для ML-инженера с опытом 2–3 года в российском ритейле рыночные предложения обычно находятся в диапазоне 250 000 – 350 000 рублей. Предложение «Детского мира», вероятно, соответствует этим ожиданиям.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Детский мир уже сейчас
Присоединяйтесь к команде «Детского мира» и внедряйте инновационные ML-решения в крупнейшем ритейлере детских товаров!
Описание вакансии
ML Engineer / AI Engineer
Локация: Удалённо
Компания: Детский мир
ЗП: обсуждается на собеседовании
Занятость: Полная
Мы ищем ML / AI Engineer в команду, которая занимается ML- и AI-задачами для всей группы компаний Детский мир: Россия, Казахстан, Беларусь, магазины Зоозавр и Ещё.
Чем предстоит заниматься:
Разрабатывать и внедрять ML-модели для бизнес-задач группы компаний.
Работать с задачами прогнозирования спроса, продаж, остатков, поведения пользователей и других бизнес-метрик.
Развивать поисковые, рекомендательные и ранжирующие модели.
Участвовать в разработке ML-сервисов и интеграции моделей в production.
Работать с данными из разных систем компании: транзакции, товары, пользователи, магазины, заказы, логистика, онлайн- и офлайн-каналы.
Помогать бизнес-командам формулировать задачи и переводить их в ML-постановку.
Улучшать качество моделей, проводить эксперименты, анализировать метрики и влияние решений на бизнес.
Участвовать в развитии внутренних AI/LLM-направлений: ассистенты, поиск по знаниям, автоматизация процессов, протоколы встреч и другие сценарии.
Работать вместе с data engineers, backend-разработчиками, аналитиками, продуктами и бизнес-заказчиками.
Какие задачи могут быть в работе:
Прогнозирование спроса, продаж и остатков.
Модели для ценообразования, промо и ассортиментного планирования.
Рекомендательные системы и персонализация.
Поиск, ранжирование и улучшение пользовательского опыта.
Сегментация клиентов и товаров.
Детекция аномалий и контроль качества данных.
ML-модели для операционных процессов: логистика, розница, call center, поддержка.
LLM/RAG-решения для внутренних знаний, регламентов, документации и бизнес-процессов.
Автоматизация рутинных задач с помощью ML/AI.
Что ожидаем от вас:
Коммерческий опыт в ML/Data Science/AI от 2–3 лет.
Хороший Python.
Уверенное понимание классического ML: обучение, валидация, feature engineering, метрики, переобучение, интерпретация результатов.
Опыт решения прикладных бизнес-задач с помощью ML.
Умение работать с табличными данными и большими датасетами.
Опыт работы с SQL.
Понимание, как доводить модель от эксперимента до production или хотя бы до стабильного прототипа.
Умение анализировать качество модели не только по ML-метрикам, но и через бизнес-результат.
Готовность разбираться в предметной области и работать с реальными ограничениями бизнеса
*🌐 Резюме отправлять:* Откликнуться
–––
Бесплатный постинг вакансий: @freeIT_job
Забирай *📚* Базу Знаний
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- SQL
- Feature Engineering
- LLM
- RAG
- Data Science
- Production Deployment
Возможные вопросы на собеседовании
Проверка понимания специфики ритейла и работы с временными рядами.
Как бы вы подошли к задаче прогнозирования спроса на товары с высокой сезонностью и коротким жизненным циклом?
Оценка навыков работы с рекомендательными системами.
Какие метрики вы бы использовали для оценки качества рекомендательной системы в интернет-магазине и как бы вы проверяли их влияние на выручку?
Проверка технической грамотности в области LLM.
Расскажите о вашем опыте работы с RAG-системами: какие основные проблемы возникают при поиске по базе знаний и как их решать?
Оценка опыта деплоя моделей.
Опишите ваш типичный пайплайн вывода ML-модели в production: как вы обеспечиваете мониторинг качества данных и предсказаний?
Проверка умения работать с SQL и большими данными.
Как оптимизировать SQL-запрос для извлечения признаков из таблицы транзакций объемом в несколько терабайт?
Похожие вакансии
Middle/Senior AI-разработчик
Разработчик с фокусом на интеграцию LLM и AI-технологий
AI креативный менеджер
MLOps Engineer (Lead)
Python-разработчик в команду LLM платформы
Python-разработчик / AI-интегратор в финтех-стартап
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!