- Страна
- Россия
- Зарплата
- 320 000 ₽ – 350 000 ₽
ML разработчик (Senior)
Оценка ИИПривлекательная ставка для Senior-уровня и работа над крупным проектом в телекоме. Однако узкие рамки оформления (только ИП) и проектный характер занятости могут подойти не всем кандидатам.
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 требует высокого уровня экспертизы (Senior) с опытом от 5 лет, навыков работы с real-time сервисами и полного цикла разработки от гипотез до продакшена. Дополнительную сложность накладывает строгое требование к оформлению только через ИП.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная ставка 320 000 – 350 000 рублей соответствует рыночному медианному уровню для Senior ML специалистов в России, работающих на контрактной основе (ИП). На рынке встречаются предложения выше 400 000 рублей для узких специализаций, но для общего ML-профиля в телекоме это конкурентоспособная оплата.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
#MLразработчик #MLвакансия #MLdeveloper #вакансия
ML разработчик ❇️ | Компания Top Selection
🔥 Мы в поискеML разработчика на проектную занятость
Грейд: Senior
Ставка: от 320К до 350К
Гражданство/Локация: РФ
Загрузка: фуллтайм
Срок: долгосрочный
Оформление: только ИП 📌 (не СЗ, не ТК)
✅Обязательные требования
- Коммерческий опыт в Data science от 5 лет;
- Опыт разработки и продуктивизации ML-сервисов (от моделей
до api);
- Опыт внедрения ML-пайплайна в real-time сервисы;
- Опыт работы с docker, шедулерами (airflow или любой другой)
и sql/nosql базами данных.
📝Задачи на проекте
- Генерировать гипотезы по улучшению рекомендаций для роста бизнес-метрик клиентов;
- Превращать гипотезы в работающие ML модели;
- Катить модели в прод и по итогам АВ-тестов формулировать новые гипотезы по улучшению рекомендаций;
- Ставить задачи data инженерам на доработки необходимых витрин, взаимодействовать с разработчиками для формирования пайплайнов поставки рекомендаций, совместно с аналитиками сетапить АВ-тесты;
- Разработка агентских сервисов.
Проект крупной телекоммуникационной компании.
Развитие базы для E-COM.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Machine Learning
- Data Science
- Docker
- Airflow
- SQL
- NoSQL
- API
- A/B Testing
- Python
Возможные вопросы на собеседовании
Проверка опыта работы с высоконагруженными системами, указанного в требованиях.
Расскажите о вашем опыте внедрения ML-пайплайнов в real-time сервисы: с какими задержками (latency) вы сталкивались и как их оптимизировали?
Оценка навыков работы с рекомендательными системами, что является ключевой задачей проекта.
Какие подходы к построению рекомендательных систем для E-commerce вы считаете наиболее эффективными для роста бизнес-метрик?
Проверка умения доводить модель до бизнес-результата.
Опишите ваш процесс проведения AB-тестов: как вы определяете дизайн теста и интерпретируете результаты, если метрики противоречат друг другу?
Оценка инженерных навыков и владения стеком.
Как вы организуете мониторинг ML-моделей в продакшене и какие инструменты используете для предотвращения деградации качества (data drift)?
Проверка навыков командного взаимодействия.
Как вы обычно формулируете требования для Data-инженеров при подготовке витрин данных для новых моделей?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
