- Страна
- Россия
- Зарплата
- 250 000 ₽ – 300 000 ₽
Откликайтесь
на вакансии с ИИ
ML-инженер
Оценка ИИПривлекательная вакансия с удаленным форматом работы и рыночной зарплатой. Компания четко формулирует требования, включая современные тренды (LLM/RAG), что обещает интересные задачи.
Сложность вакансии
Оценка ИИВакансия требует уверенного владения Python и ML-стеком, а также понимания процессов деплоя (Docker, API). Наличие опыта с LLM и RAG является значимым преимуществом, что повышает планку для кандидатов.
Анализ зарплаты
Оценка ИИУказанный в объявлении диапазон 250 000 – 300 000 ₽ полностью соответствует медиане рынка для ML-инженеров уровня Middle/Middle+ в России. Верхняя граница в 300 000 ₽ является стандартом для специалистов с опытом от 2-3 лет.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Джетлин уже сейчас
Присоединяйтесь к команде Джетлин и внедряйте передовые ML-решения в реальный продакшн!
Описание вакансии
ML-инженер в Джетлин
*💰*По итогам собеседования (ср. рын. зп 250 000 ₽ – 300 000 ₽)
*📌*Условия и бонусы:
Фултайм, удаленно.
*📌*Наши ожидания:
– опыт разработки и обучения ML/DL-моделей от 2 лет;
– Python, PyTorch/TensorFlow, знание классического ML-стека;
– опыт с LLM, RAG или NLP-задачами будет плюсом;
– понимание вывода моделей в production: Docker, API, мониторинг;
– английский на уровне чтения технической документации.
Подробнее о вакансии Откликнуться.
*✍🏼*Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- Machine Learning
- LLM
- Deep Learning
- RAG
- NLP
- API
- Docker
- TensorFlow
Возможные вопросы на собеседовании
Проверка глубины понимания работы с большими языковыми моделями, указанными в вакансии.
Расскажите о вашем опыте работы с RAG: какие векторные базы данных вы использовали и как решали проблему галлюцинаций LLM?
Важно понять, умеет ли кандидат доводить модель до конечного пользователя.
Как вы обычно организуете мониторинг ML-моделей после их деплоя в Docker-контейнерах?
Оценка владения основным инструментом разработки.
В каких случаях вы предпочтете PyTorch вместо TensorFlow и наоборот для решения конкретной бизнес-задачи?
Проверка фундаментальных знаний машинного обучения.
Какие методы борьбы с переобучением в глубоких нейронных сетях вы считаете наиболее эффективными?
Оценка навыков работы с данными, что критично для ML-инженера.
