- Страна
- Россия
ML/MLOps инженер
Оценка ИИИнтересный проект на стыке AI и медицины с использованием передового стека (LLM, мультиагентные системы). Четкие требования и понятные задачи, однако отсутствие указанной зарплаты и требование гибридного формата могут быть минусом для некоторых кандидатов.
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 ИИВысокая сложность обусловлена требованием Senior-уровня, глубокой экспертизой в мультиагентных системах (LangGraph) и спецификой домена здравоохранения, где критически важны безопасность и точность.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции Senior ML/MLOps инженера в Москве с фокусом на LLM и мультиагентные системы рыночные предложения обычно начинаются от 400 000 рублей. Учитывая сложность задач в healthcare и требования к техлидству, компенсация может достигать верхней границы рынка.
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
ID 3239
ML/MLOps инженер
Senior
Москва
*❗️**❗️**❗️*гибрид
*❗️**❗️**❗️**❗️*Поклонная улица, дом 3 к 2 (оранжевая башня)
Описание проекта
Задачи сосредоточены на работе над инновационными продуктами в
области здравоохранения: - исследование данных и обнаружение инсайтов; - проверка гипотез по улучшению продукта в части развития мультагентного
ML-ядра; - исследование применимости альтернативных LLM и DL решений.
Ожидания по циклу разработки: полный цикл ML-работы — от
формулировки гипотез и метрик, через эксперимент и валидирование до
продакшн-деплоя и мониторинга. Ориентация на production-ready
архитектуры, чёткие метрики качества, использование современных
мультиагентных фреймворков (LangGraph, deepagents и др.).
Тестовое задание / Скрининг
Нет
Требования к кандидату
Профессиональные навыки
• Уверенное владение Python для ML/NLP, опыт построения
производственных ML-сервисов (API, microservices, контейнеризация).
• Глубокие знания NLP: классические модели (embeddings, seq2seq),
современные
DL-подходы,
Transformer-архитектур.
практический
опыт
использования
• Опыт работы с LLM: интеграция внешних и внутренних LLM, настройка
prompt-инженеринга, использование tool-calling и мультиагентных паттернов.
• Опыт проектирования мультиагентных решений (Orchestrator +
sub-agents, fan-out/fan-in, human-in-the-loop) на основе современных
фреймворков.
• Продакшн-цикл ML: постановка задач через метрики, подготовка
датасетов, разработка и валидация моделей, мониторинг и A/B-тесты.
• Знание архитектуры Transformer и умение применять её в задачах
(классификация, генерация, QA, извлечение сущностей).
• Понимание требований к safety и дрейфу моделей в healthcare-домене,
умение закладывать соответствующие метрики и guardrails.
• Умение работы с AI-инструментами разработки (Claude, Codex, Cursor,
Antigravity) c применением SDD
Лидерские и коммуникационные навыки
• Умение формулировать понятные ТЗ для ML-команды, описывать
критерии приёмки и метрики успеха.
• Навык объяснять технические решения продуктовым и медицинским
экспертам, защищать архитектурные выборы.
• Опыт менторинга Middle/Junior ML-инженеров, построение культуры
разработки «через метрики и артефакты, а не через интуицию».
Обязанности кандидата
• Курирование ML-задач: приоритизация, декомпозиция, формулировка
гипотез и метрик качества, выбор оптимальных путей реализации.
• Техническое лидерство: дизайн архитектуры мультиагентного ML-ядра,
выбор LLM/DL-стека, кодревью и технический менторинг команды.
• Ответственность за сроки и качество: планирование спринтов по
ML-задачам, контроль выполнения, управление рисками и техническим
долгом.
• Исследование:
систематический
scouting
альтернативных
LLM/DL-решений, сравнительный анализ по метрикам качества, стоимости и
latency.
*❗️**❗️**❗️Писать {{apply_contact}}⚡️**⚡️**⚡️**⚡️ С РЕЗЮМЕ В КОТОРОМ УКАЗАН ВОЗРАСТ И ЛОКАЦИЯ НАХОЖДЕНИЯ. Укажите 🆔* ВАКАНСИИ
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- MLOps
- NLP
- Deep Learning
- LLM
- LangGraph
- Transformers
- API
- Microservices
- Docker
- A/B Testing
- Prompt Engineering
Возможные вопросы на собеседовании
Проверка практического опыта работы с современными мультиагентными фреймворками, указанными в вакансии.
Расскажите о вашем опыте проектирования мультиагентных систем с использованием LangGraph. С какими основными сложностями при оркестрации агентов вы сталкивались?
Важно понять, как кандидат обеспечивает надежность моделей в критической области здравоохранения.
Какие специфические guardrails и метрики safety вы бы внедрили для LLM-решения в healthcare-продукте?
Вакансия предполагает роль технического лидера.
Как вы выстраиваете процесс менторинга Middle-разработчиков и внедряете культуру разработки 'через метрики', а не интуицию?
Проверка навыков оптимизации и выбора стека.
По каким критериям вы проводите сравнительный анализ альтернативных LLM/DL-решений (стоимость, latency, качество) перед внедрением в продакшн?
Проверка владения современными инструментами разработки, упомянутыми в тексте.
Как вы используете AI-инструменты (Claude, Cursor) в рамках методологии SDD для ускорения цикла разработки ML-сервисов?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
