- Страна
- Россия
ML Engineer (Middle)
Оценка ИИИзвестный бренд (Альфа-Банк), актуальный стек технологий (LLM, RAG) и длительный проект (12 месяцев). Однако присутствуют специфические ограничения по возрасту и жесткий фильтр кандидатов.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИПозиция требует редкого сочетания навыков: глубокой экспертизы в LLM (RAG) и сильного бэкенд-бэкграунда. Дополнительную сложность создают строгие возрастные ограничения и проверка на дубликаты в базе банка.
Анализ зарплаты
Оценка ИИВ вакансии не указана зарплата, но для Middle ML Engineer с опытом работы от 3 лет и навыками LLM/RAG в банковском секторе Москвы рынок предлагает конкурентные условия. Указанный диапазон отражает текущие реалии для специалистов такого уровня.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Откликнитесь в Альфа-Банк уже сейчас
Отправьте свое резюме с указанием возраста и локации @veroneko, чтобы присоединиться к команде Альфа-Банка!
Описание вакансии
ID 3416
ML Engineer
Middle
**Альфа Банк
Возраст: от 25 до 45 лет**Критично: Опыт разработки c LLM (RAG-пайплайны) и бэкенд разработки.
Требования:
Ключевой стек Python, Airflow/ArgoWorkFlow, Mlflow, Hadoop, PySpark, Kafka, Seldon/Kserve, Kubernetes, Jenkins
Опыт работы с моделями машинного обучения
Опыт внедрения моделей машинного обучения как сервисы
Опыт бэкенд-разработки, веб-разработки
Опыт разработки с LLM, NLP-моделями
Опыт с Docker, Kubernetes
Больше разработчик, чем DS.
Опыт работы в стеке от 3х лет
план старт 28.09
привлечение 12 мес
Если кандидат в течении года подавался напрямую или через вендора к заказчику - таких кандидатов заказчик
не рассмотрит
Обязательный чек-лист перед отправкой кандидата:
- Кандидату от 23-45 лет?
- Подавался ли кандидат в течении года к клиенту?
- Работал ли кандидат у клиента?
*❗️**❗️**❗️Писать {{apply_contact}}⚡️**⚡️**⚡️**⚡️ С РЕЗЮМЕ В КОТОРОМ УКАЗАН ВОЗРАСТ И ЛОКАЦИЯ НАХОЖДЕНИЯ. Укажите 🆔 вакансии❗️* Без этой информации отклики не рассматриваются
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Airflow
- Argo Workflows
- MLflow
- Hadoop
- PySpark
- Kafka
- Seldon Core
- KServe
- Kubernetes
- Jenkins
- Docker
- LLM
- NLP
- RAG
Возможные вопросы на собеседовании
Вакансия делает упор на RAG-пайплайны. Важно понимать, как кандидат оптимизирует поиск и генерацию.
Расскажите о вашем опыте построения RAG-систем: какие векторные базы данных вы использовали и как боролись с галлюцинациями моделей?
В описании указано, что нужен скорее разработчик, чем DS. Вопрос проверяет навыки MLOps.
Как вы организуете процесс CI/CD для ML-моделей с использованием Jenkins и Kubernetes?
Работа в банке подразумевает обработку больших данных.
Был ли у вас опыт оптимизации PySpark джоб при работе с данными в Hadoop? С какими проблемами сталкивались?
Проверка навыков работы с инструментами оркестрации.
В чем ключевые различия между Airflow и Argo Workflows в контексте ML-пайплайнов, и что бы вы выбрали для данной задачи?
Проверка навыков бэкенд-разработки.
