- Страна
- Кипр
- Зарплата
- от 5 000 $
ML Engineer / Data Scientist
Оценка ИИОтличное предложение с высокой зарплатой в валюте, современным стеком технологий и возможностью релокации на Кипр. Минимум бюрократии и работа над масштабным продуктом делают вакансию очень привлекательной.
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 глубоких знаний в области RecSys и NLP, а также навыков работы с высоконагруженной инфраструктурой (Triton, Kubernetes). Ожидается опыт от 2 лет и умение доводить прототипы до продакшена.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата от 5000 USD net является конкурентной для уровня Middle+/Senior ML Engineer на международном рынке и выше среднего по российскому рынку для удаленной работы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
#vacancy #вакансия #ml #engineer #ds #pytorch #tensorflow #recsys #highload #data-scientist
Компания: NitLab
Позиция: ML Engineer / Data Scientist
Формат работы: full time, удаленно
Зарплата: от 5000 usd net (обсуждаемо)
Если хочешь работать с highload продуктом и иметь возможность влиять на его развитие присоединяйся к нам
Предстоит заниматься:
• Оптимизировать выдачу на страницах категорий, каналов и тегов
• Строить text-to-video поиск, embedding-модели, ранжирование, семантический поиск
• Превращать ML-прототипы в production-сервисы, оптимизация inference, профилирование, подготовка фич, контроль качества моделей
• Разрабатывать высоконагруженные ML сервисы на Python включая gRPC/Triton
Что мы ожидаем от тебя:
• Уверенные знания Python и ML-фреймворков (PyTorch, CatBoost и др.)
• Опыт работы с рекомендательными системами, поиском или смежными задачами от 2 лет
• Опыт внедрения моделей в продакшн
• Понимание принципов оффлайн и онлайн оценки моделей.
Что мы предлагаем:
• Работа над ML-продуктом с миллионами пользователей и живыми метриками
• Компактная команда, каждый инженер влияет на продукт
• Простая структура — минимум бюрократии, максимум ответственности
• Стабильная зарплата, ежегодный рейз и премии
• Бонусы: медстраховка, налоговая компенсация, обучение, техника, курсы языков
• Релокация на Кипр: визовая поддержка, оплата переезда, билеты и первый месяц жилья
Наш стек:
Языки и библиотеки: Python, PyTorch, CatBoost, Numpy, Pandas, Polars, CuDF, CuPy; Инфраструктура и деплой: Kubernetes, Docker, Airflow, Triton Inference Server; Хранилища данных: ClickHouse, MySQL.
Пишите в лс вместе с Резюме
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- PyTorch
- CatBoost
- NumPy
- Pandas
- Polars
- CuDF
- CuPy
- Kubernetes
- Docker
- Airflow
- Triton Inference Server
- ClickHouse
- MySQL
- gRPC
- RecSys
- NLP
Возможные вопросы на собеседовании
Вакансия предполагает работу с highload, поэтому важно понимать, как кандидат оптимизирует работу моделей.
Как вы подходите к оптимизации инференса тяжелых моделей для работы в реальном времени при высоких нагрузках?
Одной из задач является оптимизация выдачи категорий и тегов.
Какие подходы к ранжированию и семантическому поиску вы считаете наиболее эффективными для text-to-video задач?
В стеке указан Triton Inference Server.
Расскажите о вашем опыте работы с Triton Inference Server: какие преимущества и сложности вы встречали при его эксплуатации?
Для RecSys критически важна оценка качества.
Как вы выстраиваете систему онлайн и оффлайн метрик для оценки качества рекомендательной системы?
В стеке упомянуты Polars и CuDF.
В каких случаях вы предпочтете Polars или CuDF стандартному Pandas при подготовке фич для ML?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
