Откликайтесь
на вакансии с ИИ
ML Engineer / Data Scientist (Search & Recommendations)
Оценка ИИWisebits — известный международный холдинг с реальными высоконагруженными задачами. Использование современного стека (Polars, GPU-ускорение) делает позицию очень привлекательной для опытных инженеров.
Сложность вакансии
Оценка ИИРоль требует уровня Senior и глубоких знаний в области рекомендательных систем и поиска. Стек технологий включает как классические инструменты (Pandas, LightGBM), так и библиотеки для GPU-вычислений (CuDF, CuPy), что повышает порог входа.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Senior ML Engineer в международной компании уровня Wisebits рыночные ожидания начинаются от 5000 USD. Это соответствует верхним границам рынка для опытных специалистов в области Data Science.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Wisebits уже сейчас
Присоединяйтесь к команде Wisebits и создавайте алгоритмы рекомендаций для миллионов пользователей по всему миру!
Описание вакансии
ML Engineer / Data Scientist (Search & Recommendations)
Грейд: Senior
Стек: Python, PyTorch, LightGBM, NumPy, Pandas, Polars, CuDF, CuPy
Wisebits — международный IT-холдинг с сильной технической командой! Наш ключевой продукт — высоконагруженный видеохостинг, которым ежедневно пользуются миллионы людей по всему миру.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- NumPy
- Pandas
- PyTorch
- Polars
- LightGBM
- CuDF
- CuPy
Возможные вопросы на собеседовании
Проверка опыта работы с высоконагруженными системами и понимания специфики видеохостинга.
Какие метрики ранжирования (например, nDCG, MRR) вы бы использовали для оценки качества рекомендаций видеоконтента и почему?
Оценка навыков оптимизации производительности при работе с большими данными.
В каких случаях вы предпочтете использовать Polars или CuDF вместо стандартного Pandas? Приведите примеры оптимизации.
Проверка архитектурного мышления в области ML.
Как бы вы спроектировали систему двухэтапного ранжирования (candidate retrieval + reranking) для поиска по миллионам видео?
Оценка опыта работы с глубоким обучением.
Расскажите о вашем опыте использования PyTorch для задач рекомендаций. Какие архитектуры нейросетей вы считаете наиболее эффективными в этой области?
Проверка умения работать с классическим ML в продакшене.
