- Страна
- Россия
ML Engineer "Search"
Оценка ИИOkko — это сильный бренд с интересными задачами на стыке ML и продукта. Возможность удаленной работы и работа с современным стеком 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 ИИПозиция уровня Senior требует глубоких знаний в NLP и поисковых технологиях, а также умения работать с высоконагруженными системами в крупном видеосервисе.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для Senior ML Engineer в Москве и Санкт-Петербурге рыночный диапазон составляет от 350 000 до 550 000 рублей. Okko обычно предлагает конкурентоспособные условия, соответствующие верхним границам рынка для опытных специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Требуется «ML Engineer "Search"» (Москва)
Компания «Okko» ищет хорошего специалиста на вакансию «ML Engineer "Search"». Москва (Россия), Санкт-Петербург (Россия). Полный рабочий день. Можно удалённо. Требуемые навыки: #senior, #Python, #NLP, #SQL.
*👉*Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- NLP
- SQL
- Machine Learning
Возможные вопросы на собеседовании
Поиск в Okko требует понимания семантики запросов.
Какие современные архитектуры трансформеров вы бы использовали для улучшения семантического поиска?
Важно понимать, как кандидат оценивает качество работы алгоритмов.
Какие метрики ранжирования (nDCG, MRR, MAP) вы считаете наиболее критичными для видеосервиса и почему?
ML-инженер должен уметь работать с данными напрямую.
Опишите ваш опыт оптимизации сложных SQL-запросов для подготовки датасетов для обучения моделей.
Поиск должен работать быстро.
Как вы подходите к задаче уменьшения задержки (latency) при инференсе тяжелых NLP-моделей в продакшене?
Проверка практического опыта.
Расскажите о самом сложном кейсе в вашей практике, связанном с обработкой естественного языка в поисковых запросах.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
