- Зарплата
- 10 000 $ – 15 000 $
Откликайтесь
на вакансии с ИИ
ML Engineer (Building human-like chat bot)
Оценка ИИИсключительно привлекательная вакансия с очень высокой зарплатой в долларах, удаленным форматом работы и возможностью работать над передовыми технологиями (LLM-агенты). Компания предлагает высокую автономность и работу в опытной команде.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованиями к опыту создания не просто чат-ботов, а агентов, выполняющих действия внутри продукта, а также необходимостью владения стеком LLM (RAG, fine-tuning) и навыками backend-разработки.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата ($10,000 - $15,000) значительно превышает средние рыночные показатели для ML-инженеров уровня Middle+/Senior даже на международном рынке, попадая в верхний дециль компенсаций.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Interactive Online Technologies уже сейчас
Присоединяйтесь к команде Interactive Online Technologies и создавайте чат-ботов нового поколения с зарплатой до $15,000!
Описание вакансии
ML Engineer (Building human-like chat bot)
Локация: Удаленно
Компания: Interactive Online Technologies
ЗП: от 10 000 до 15 000 USD Gross
Занятость: Полная
Our experienced development team with over 10 years of expertise is looking for an experienced Machine Learning Engineer. You will join a strong team of engineers, have a direct impact on product metrics, enjoy a high degree of decision-making autonomy, and receive a competitive compensation package.
Role & responsibilities:- Design and develop human-like, action-level chatbots — dialog agents that not only converse naturally but also initiate and execute user workflows inside the product (data collection, process triggering, task completion).
- Participate in the architecture and development of an intelligent, context-aware translation system that preserves meaning, tone, and style.
- Lead experiments and deploy ML/NLP features into production with high stability and measurable results.
- Work with product and engineering teams to ensure fast, accurate, and reliable interaction between ML components and backend services.
- Own the full ML feature lifecycle: data collection, experimentation, model training, deployment, monitoring, and quality improvement.
Must-have requirements:
- 3+ years of experience with Python development and maintaining production-grade services.
- Experience in Web/API development (REST, versioning, logging, observability).
- Strong skills in Pandas, NumPy, and SQL for data processing and analysis.
- 1+ year of hands-on experience solving real ML tasks (NLP/CV) within production projects.
- Experience with TensorFlow, Keras, and/or Hugging Face frameworks.
- Understanding of model deployment and monitoring practices.
- Solid knowledge of GIT, HTTP(s), JSON/XML, and basic networking protocols (TCP/IP).
- Understanding of SDLC fundamentals, code review, CI/CD pipelines.
- Familiarity with LLM-based architectures (prompt engineering, RAG/fine-tuning, backend integration).
- Experience building intelligent chatbots that perform real actions in the product (not just FAQ or support bots).🌐 Резюме отправлять: Откликнуться
–––
Бесплатный постинг вакансий: @freeIT_job
Забирай 📚 Базу Знаний
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- REST
- Pandas
- NumPy
- SQL
- NLP
- Computer Vision
- TensorFlow
- Keras
- Hugging Face
- Git
- HTTP
- JSON
- XML
- CI/CD
- LLM
- Prompt Engineering
- RAG
Возможные вопросы на собеседовании
Вакансия сфокусирована на создании ботов, которые выполняют действия. Важно понять, как кандидат проектирует логику перехода от текста к вызову API.
Расскажите о вашем опыте проектирования 'action-level' ботов. Как вы обеспечиваете надежность вызова функций (function calling) и обработку ошибок при взаимодействии с backend-сервисами?
В описании упоминается система перевода, сохраняющая тон и стиль. Это требует глубокого понимания NLP.
Какие подходы и метрики вы бы использовали для оценки качества перевода, если стандартных BLEU/METEOR недостаточно для оценки сохранения 'тона и стиля'?
Работа с LLM требует оптимизации контекста и точности ответов.
С какими основными проблемами вы сталкивались при реализации RAG-систем в продакшене и как вы решали проблему галлюцинаций модели?
Требуется опыт работы с Hugging Face и TensorFlow/Keras.
В каких случаях вы бы предпочли дообучение (fine-tuning) существующей модели вместо использования Prompt Engineering, учитывая затраты на инфраструктуру и качество результата?
Позиция предполагает ответственность за весь жизненный цикл модели.
Опишите ваш подход к мониторингу ML-моделей в продакшене. Какие алерты вы считаете критическими для диалоговых систем?
Похожие вакансии
Senior MLOps инженер
Team Lead Data Science / ML
MLOps инженер (Team Lead)
MLOps инженер (Тимлид)
Senior MLOps инженер
Senior Data Engineer
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!