- Страна
- Россия
- Зарплата
- от 350 000 ₽
Разработчик рекомендательной системы / ML-Engineer (Senior)
Оценка ИИСильный бренд работодателя, прозрачная вилка от 350к и работа с современным стеком (GPU, Spark, DL). Вакансия предлагает интересные задачи на больших данных и гибкий формат работы.
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 ИИРоль требует глубоких знаний в области рекомендательных систем, опыта работы с Big Data стеком (Spark) и навыков вывода моделей в продакшн через A/B-тесты. Уровень Senior подразумевает самостоятельность в проверке гипотез и оптимизации сложных алгоритмов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата от 350 000 ₽ полностью соответствует рыночному уровню для Senior ML-специалистов в России, где медиана составляет около 380 000 - 420 000 ₽. Верхняя граница рынка для топовых экспертов может достигать 550 000 ₽ и выше.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
от 350 000 ₽/месяц
Удаленка или офис, Фултайм
Иви ищет Senior ML / DS Engineer (рекомендации). Опыт: 3+ года (Python, SQL, Spark, Docker, Git, ClickHouse, Redis, DL) Задачи: улучшать рекомендации, искать гипотезы, прототипировать на GPU, выкатывать в A/B-тесты...(Откликнуться)
**⚠️ Будьте внимательны: иногда мошенники маскируют свои схемы под вакансии реальных компаний, никому не передавайте доступ к своим аккаунтам или устройствам.
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- Apache Spark
- Docker
- Git
- ClickHouse
- Redis
- Deep Learning
- GPU
- A/B Testing
Возможные вопросы на собеседовании
Важно понимать, как кандидат подходит к выбору архитектуры для конкретных бизнес-задач.
Расскажите о вашем опыте построения многоуровневых рекомендательных систем (отбор кандидатов и ранжирование). Какие архитектуры нейросетей вы использовали?
Проверка навыков работы с большими данными, что критично для Иви.
Как вы оптимизируете Spark-задачи при обработке терабайтных логов просмотров для обучения моделей?
Senior должен уметь доводить модель до бизнес-результата.
Опишите процесс проведения A/B-теста для новой модели рекомендаций: какие метрики вы выбираете и как боретесь с проблемой холодного старта?
Проверка инженерных навыков и понимания инфраструктуры.
В каких случаях вы предпочтете Redis, а в каких ClickHouse при реализации real-time рекомендаций?
Оценка навыков работы с GPU в контексте DL.
С какими сложностями вы сталкивались при прототипировании и обучении тяжелых DL-моделей на GPU и как их решали?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
