- Страна
- Великобритания
Откликайтесь
на вакансии с ИИ
Senior Dev/ML Ops Engineer
Оценка ИИУникальный проект на острие технологий (гуманоидные роботы) с сильным фаундером и локацией в Лондоне. Высокий балл обусловлен инновационностью продукта и потенциалом роста компании.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания навыков классического DevOps и глубокого понимания ML-процессов (MLOps) в контексте робототехники. Работа в Лондоне и высокий уровень ответственности в инновационном стартапе предполагают серьезный отбор.
Анализ зарплаты
Оценка ИИВ вакансии не указана зарплата, но для позиции Senior MLOps в Лондоне рыночный диапазон составляет от £80,000 до £120,000 в год и выше, в зависимости от опыта и бонусов. Данное предложение соответствует топовому сегменту технологического рынка Великобритании.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Humanoid AI уже сейчас
Станьте частью команды, создающей будущее робототехники в Лондоне, и откликнитесь на вакансию прямо сейчас!
Описание вакансии
Senior Dev/ML Ops Engineer в Humanoid AI
*📍*Лондон (уточните у HR, помогают ли с визой)
*💎*Python, TensorFlow/PyTorch, AWS/GCP/Azure, Docker, Kubernetes, CI/CD
*🚀*Фаундер— Артем Соколов
Humanoid — первая компания в Великобритании, которая создает человекоподобные роботы. Уже создали робот HMND 01, который используется в промышленности, логистике и сервисе.
Размер команды — 101-250
Узнать детали и откликнуться: Откликнуться
Другие вакансии:
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- AWS
- Azure
- Python
- GCP
- PyTorch
- Kubernetes
- CI/CD
- MLOps
- Docker
- TensorFlow
Возможные вопросы на собеседовании
Важно понимать, как кандидат автоматизирует жизненный цикл моделей.
Расскажите о вашем опыте построения сквозных MLOps пайплайнов: от обучения модели до деплоя на конечное устройство.
Проверка навыков управления контейнеризированными приложениями в облаке.
Как бы вы спроектировали масштабируемую инфраструктуру в Kubernetes для одновременного обучения нескольких тяжелых моделей?
Робототехника требует работы с данными в реальном времени.
Какие инструменты вы используете для мониторинга производительности ML-моделей в продакшене и отслеживания data drift?
Проверка владения основным стеком.
С какими сложностями вы сталкивались при оптимизации Docker-образов для ML-приложений и как их решали?
Оценка способности работать с облачными провайдерами.
