- Страна
- Россия
- Зарплата
- 150 000 ₽ – 250 000 ₽
Откликайтесь
на вакансии с ИИ
ML-разработчик (Machine Learning Engineer)
Оценка ИИХорошее предложение от аккредитованной IT-компании с прозрачной зарплатой и понятным стеком. Балл снижен из-за строгого офисного формата, который подходит не всем специалистам в ML.
Сложность вакансии
Оценка ИИПозиция требует уверенного владения широким стеком (от классического ML до Transformers) и навыков MLOps. Основная сложность заключается в специфике домена информационной безопасности и требовании работы в офисе.
Анализ зарплаты
Оценка ИИПредложенная вилка 150 000 – 250 000 ₽ на руки соответствует рыночным ожиданиям для Middle ML-инженера в Москве. Верхняя граница в 250к является конкурентной для специалистов с опытом 2+ года.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в АВ Софт уже сейчас
Если вы хотите развивать ML-решения в сфере кибербезопасности и работать с современным стеком в аккредитованной IT-компании, откликайтесь прямо сейчас!
Описание вакансии
ML-разработчик (Machine Learning Engineer)
ЗП: 150 000 – 250 000 ₽ на руки
Локация: Москва, м. Окружная (полный день в офисе)
Компания: AV Soft (avsw.ru) — ИБ и аналитика данных для корпоративного сегмента. Продукты: анти-спам, десепшен, песочница, мультисканер, TI.
Ищем ML-разработчика для создания и развития моделей машинного обучения в продуктах информационной безопасности.
Чем предстоит заниматься:
- Разрабатывать и совершенствовать ML-модели: выбирать архитектуры, формировать признаки, обучать и валидировать модели.
- Собирать и подготавливать данные: парсинг, очистка, EDA, формирование обучающих выборок.
- Выполнять feature engineering и оценивать качество моделей по метрикам точности и производительности.
- Проводить A/B-тестирование и сравнение версий моделей.
- Готовить модели к эксплуатации: контейнеризация в Docker и участие в развертывании.
- Тестировать модели, анализировать ложные срабатывания и кейсы от заказчиков.
- Вести техническую документацию, описывать архитектуру, признаки и результаты экспериментов, обеспечивать версионирование моделей.
- Взаимодействовать с разработчиками, участвовать в code review и интеграции моделей в продукты.
- Мониторить модели в production: отслеживать качество и data drift, инициировать переобучение.
- Поддерживать и развивать ML-пайплайны и автоматизацию обучения и доставки моделей.
Ты подходишь нам, если у тебя есть:
- Коммерческий опыт разработки и вывода ML-моделей в production от 1–2 лет.
- Уверенное владение Python, NumPy, Pandas, Scikit-learn, PyTorch, CatBoost, XGBoost, LightGBM, Transformers.
- Понимание классических алгоритмов ML и принципов их применения.
- Практический опыт работы с SQL, Git, Docker, REST API.
- Опыт работы с Airflow или аналогичными инструментами для ML-пайплайнов.
- Знание Linux на уровне уверенного пользователя.
- Понимание принципов MLOps, управления экспериментами и версионирования моделей и данных.
- Умение писать чистый и поддерживаемый код.
- Английский язык на уровне чтения технической документации.
Будет преимуществом:
-Опыт оптимизации моделей с помощью ONNX, TensorRT или аналогичных инструментов.
-Понимание архитектур глубокого обучения, Attention и современных нейросетевых моделей.
-Знание SHAP, LIME и методов оценки уязвимостей ML-моделей.
-Опыт интеграции ML-моделей в высоконагруженные сервисы.
-Опыт работы с логами, сетевым трафиком, DNS, URL, HTML и понимание базовых сетевых протоколов и HTTP.
-Опыт в ИБ, антифроде, антиспаме или детекции угроз.
-Профильные курсы или сертификаты по ML/DL/MLOps.
-Инициативность и желание развивать продукты и предлагать новые решения.
Условия:
-Оформление по ТК РФ, белая зарплата (аккредитованная IT-компания)
-Офис в шаговой доступности от м. Окружная
-Обучение за счёт компании, корпоративная библиотека, база знаний, гайды
-Участие в сложных проектах по ИБ и анализу данных
Контакт: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Git
- Python
- Linux
- NumPy
- Pandas
- PyTorch
- SQL
- Transformers
- MLOps
- Scikit-learn
- Docker
- Airflow
- REST API
- XGBoost
- LightGBM
- TensorRT
- ONNX
- CatBoost
- SHAP
- LIME
Возможные вопросы на собеседовании
Проверка понимания специфики работы с данными в ИБ и умения бороться с переобучением на несбалансированных выборках.
Как вы будете подходить к проблеме сильного дисбаланса классов при обучении модели детекции угроз или анти-спама?
Оценка практического опыта в MLOps и понимания жизненного цикла модели.
Расскажите о вашем опыте мониторинга моделей в продакшене: как вы отслеживаете data drift и принимаете решение о переобучении?
Проверка навыков оптимизации для высоконагруженных систем, упомянутых в вакансии.
Какие методы оптимизации моделей (например, квантование или использование ONNX) вы применяли для снижения задержек при инференсе?
Оценка умения интерпретировать результаты работы сложных моделей.
Как бы вы объяснили бизнес-заказчику причины срабатывания модели, используя такие инструменты как SHAP или LIME?
Проверка инженерной культуры и навыков работы с пайплайнами.
