- Страна
- Россия
Откликайтесь
на вакансии с ИИ
ML-инженер (Data Science / LLM)
Оценка ИИИзвестный бренд с сильной корпоративной культурой и интересной предметной областью. Хороший социальный пакет (ДМС, скидки, обучение), однако отсутствие указанной зарплаты не позволяет поставить высший балл.
Сложность вакансии
Оценка ИИВакансия требует уверенного владения широким стеком: от классического ML до LLM и навыков DevOps (Docker, FastAPI). Ожидается опыт полного цикла разработки (End-to-End), что повышает планку ответственности.
Анализ зарплаты
Оценка ИИВ вакансии не указан уровень дохода, однако для ML-инженера с опытом от 2 лет в Москве рыночные предложения обычно начинаются от 200 000 рублей. Верхняя граница сильно зависит от экспертизы в области LLM и Deep Learning.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Simple Group уже сейчас
Присоединяйтесь к Simple Group, чтобы внедрять инновационные ML-решения в мир премиального ритейла!
Описание вакансии
#вакансия #job #РФ #Москва #офис #гибрид #ML #LLM #DataScience
ML-инженер (Data Science / LLM)
Компания: Simple Group - один из ведущих импортеров вина и других напитков в России, национальный дистрибьютор и ритейлер с собственной сетью винотек SimpleWine
Формат: гибрид (Москва; ул. Минская, 2Ж)
Занятость: полная
*▪*Зона ответственности:
– Полный цикл разработки ML-моделей: от постановки задачи до продакшена и сопровождения.
– Анализ и обработка больших объёмов данных с с использованием статистических методов и алгоритмов машинного обучения.
– Проведение экспериментов с моделями, оценка их качества, валидация.
– Разработка сервисов вокруг моделей (API, микросервисы).
– Поддержка регулярных и ad-hoc запусков моделей.
– Участие в развитии ML и ИИ-инициатив компании.
– Подготовка аналитических отчётов, презентация результатов бизнесу.
*▪*Необходимые компетенции:
– Опыт работы в роли аналитика Data Science / ML от 2 лет, важен полный цикл продакшена моделей.
– Уверенное владение Python, SQL (сложные запросы, большие данные).
– Опыт разработки сервисов API (FastAPI), а также контейнеризации решений с использованием Docker и Docker Compose.
– Владение методами классического ML: Scikit-learn, XGBoost, LightGBM, CatBoost.
– Опыт применения Deep learning и LLM: PyTorch, TensorFlow, Keras.
– Умение переводить результаты в бизнес-решения и презентовать их.
*▪*Мы предлагаем:
– Программу ДМС со стоматологией.
– Корпоративные скидки на товары компании, партнёрские программы.
– Развитую корпоративную культуру: быстрый оффер, подарки, винные дегустации.
– Фокус на прорывные проекты в винном ритейле с т.зр. технологий, поощрение инициатив, возможности внутреннего и внешнего обучения.
*📩 Отправить резюме* – Откликнуться, Откликнуться
Убедительная просьба ознакомиться с правилами безопасности при отклике на вакансии в Телеграме. Последнее время увеличилось число мошеннических схем, когда мошенники прикрываются работодателем
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- SQL
- FastAPI
- Docker
- Docker Compose
- Scikit-learn
- XGBoost
- LightGBM
- CatBoost
- PyTorch
- TensorFlow
- Keras
- LLM
- Deep Learning
- Machine Learning
Возможные вопросы на собеседовании
Проверка навыков деплоя и понимания архитектуры сервисов.
Расскажите о вашем опыте контейнеризации ML-моделей. С какими сложностями вы сталкивались при использовании Docker Compose для API на FastAPI?
Оценка практического опыта работы с большими языковыми моделями.
Какие подходы вы использовали для внедрения LLM в продакшен? Как вы решали проблему галлюцинаций или оптимизации скорости ответа?
Проверка умения работать с данными и SQL.
Опишите самый сложный SQL-запрос, который вам приходилось писать для подготовки датасета. Как вы оптимизировали его производительность?
Оценка понимания бизнес-ценности моделей.
Как вы оцениваете бизнес-эффективность своих моделей? Приведите пример, когда результаты модели напрямую повлияли на KPI компании.
Проверка знаний классического ML.
В каких случаях вы предпочтете CatBoost вместо нейронных сетей, и как вы подходите к подбору гиперпараметров для градиентного бустинга?
Похожие вакансии
Python разработчик (DWH/Data Engineering)
Data Scientist Middle+, Senior
Data Scientist
Middle+ Data инженер
Backend / ML Infrastructure / MLOps инженер
Junior Applied ML Engineer / Data Scientist
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!