yandex
Страна
Казахстан
Зарплата
2 000 $ – 3 000 $
SeniorВ офисеПолная занятость

Senior Machine Learning Engineer

ИИОценка ИИ

Интересный проект в HealthTech на рынок США с возможностью релокации, однако зарплата находится на нижней границе рынка для Senior-уровня, и отсутствует удаленка.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.


Вакансия из открытого источника
Пожаловаться
+400% приглашений от HR

Улучшите резюме под эту вакансию

Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт

Сложность вакансии

ЛегкоСложно
ИИОценка ИИ

Высокая сложность обусловлена необходимостью глубоких знаний в узких областях: RAG, LLM-агенты и fine-tuning, а также требованием уровня английского C1 и работы строго из офиса.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Анализ зарплаты

Медиана4 500 $
Рынок3 500 $ – 6 000 $
ИИОценка ИИ

Предложенная зарплата ($2000-$3000) является конкурентной для локального рынка Астаны, но для позиции Senior ML Engineer с уровнем английского C1 и опытом в LLM она ниже среднемировых и даже крупных региональных значений для таких специалистов.

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Сопроводительное письмо

Составьте сопроводительное письмо под эту вакансию с вашим резюме

Иллюстрация сопроводительного письмаИллюстрация сопроводительного письма

Контакты для отклика

Откройте контакты, указанные в вакансии.

Описание вакансии

#jobs #Астана

*📍* Формат/working arrangement: офис, полная занятость (удаленный формат не предусмотрен)

*✔️* Должность/position: Senior Machine Learning Engineer

*🏢* Место работы/workplace: MDietHealth Corp

*💸* Заработная плата/salary estimate: от $2 000 до $3 000 в месяц (до вычета налогов)

MDiet — ранний HealthTech-стартап, разрабатывающий AI-платформу для снижения повторных госпитализаций пациентов. Продукт ориентирован на рынок здравоохранения США.

*📈* Обязанности/responsibilities:

— Разработка многошаговых LLM-агентов и AI-пайплайнов для обработки медицинских данных

— Разработка production RAG-систем с высоким качеством grounding и цитирования источников

— Развертывание и оптимизация self-hosted LLM inference (vLLM)

— Fine-tuning open-source LLM-моделей на медицинских данных

— Построение data pipelines и систем версионирования документов, эмбеддингов и обучающих данных

— Разработка систем оценки качества моделей, guardrails и механизмов снижения галлюцинаций

— Реализация надежного structured output и извлечения данных

— Взаимодействие с врачами и Platform Architect

— Оптимизация стоимости и производительности AI-инфраструктуры

*📌* Требования/requirements:

— Опыт работы от 3 до 6 лет

— Более 3 лет опыта в ML / AI

— Не менее 1,5–2 лет опыта работы с production LLM-проектами

— Практический опыт разработки production LLM-систем: RAG, AI-агенты, inference

— Опыт fine-tuning open-source LLM-моделей (LoRA / QLoRA / PEFT)

— Опыт построения data pipelines и систем версионирования для LLM/RAG

— Сильные навыки оценки качества моделей, снижения галлюцинаций и построения structured output

— Уверенное владение Python

— Опыт разработки на FastAPI

— Опыт работы с async processing

— Опыт self-hosted inference (vLLM или аналогичные решения)

— Опыт GPU-оптимизации

— Английский язык — C1

— Высшее образование в области Computer Science, AI, Machine Learning, Data Science или смежной технической специальности

— Опыт работы с MLOps

Будет плюсом:

— Опыт в медицинском NLP или других регулируемых отраслях

— Опыт оптимизации стоимости LLM-нагрузок

— Опыт построения production pipelines для fine-tuning

— Опыт работы с Apache Airflow

— Опыт работы с Prometheus / Grafana

— Опыт AI Solution Architecture

— Публикации по профильной тематике

Технологический стек:

— LangGraph

— LangChain

— vLLM

— Hugging Face

— PyTorch

— PEFT (LoRA / QLoRA)

— pgvector

— Qdrant

— Weaviate

— Chroma

— Pinecone

— Advanced RAG

— Prompt Engineering

— Embeddings

— FastAPI

— PostgreSQL

— Docker

— Kubernetes

— Arq / Celery / Redis Streams

— Apache Airflow

— AWS (EC2, S3, SageMaker, Lambda, RDS, Bedrock)

— Outlines / Guidance / Instructor

— Langfuse

— RAGAS / DeepEval

— Prometheus

— Grafana

— MLOps

Ключевые навыки:

— Python

— SQL

— PostgreSQL

— Docker

— Git

— Linux

— ETL

— Big Data

— Machine Learning

— LLM

— RAG

— LangChain

— LangGraph

— PyTorch

— FastAPI

— Kubernetes

— AWS

— MLOps

— Английский язык (C1)

*✅* Условия/working conditions:

— Полная занятость

— Официальное трудоустройство

— Работа только из офиса в Астане

— График работы 5/2

— Рабочий день: 8 часов

— Выплаты раз в месяц

— Заработная плата от $2 000 до $3 000 до вычета налогов

— Возможность релокации в США при успешном росте компании (обсуждается индивидуально)

— Работа над AI-продуктом для рынка здравоохранения США

*📍* Адрес/work location:

Астана, улица Динмухамеда Кунаева, 12/1

*📢**❗️**🚨* Контакты для связи/Contact information: Откликнуться

+400% к собеседованиям

Создайте идеальное резюме с помощью ИИ-агента

Создайте идеальное резюме с помощью ИИ-агента

Навыки

  • Python
  • SQL
  • PostgreSQL
  • Docker
  • Git
  • Linux
  • ETL
  • Big Data
  • Machine Learning
  • LLM
  • RAG
  • LangChain
  • LangGraph
  • PyTorch
  • FastAPI
  • Kubernetes
  • AWS
  • MLOps
  • vLLM
  • Hugging Face
  • PEFT
  • LoRA
  • QLoRA
  • pgvector
  • Qdrant
  • Weaviate
  • Chroma
  • Pinecone
  • Apache Airflow
  • Prometheus
  • Grafana

Возможные вопросы на собеседовании

Проверка практического опыта работы с галлюцинациями в медицинском контексте.

Какие конкретные методы и метрики вы использовали для оценки grounding и минимизации галлюцинаций в RAG-системах?

Оценка навыков оптимизации инфраструктуры.

Расскажите о вашем опыте работы с vLLM: с какими проблемами производительности вы сталкивались при развертывании self-hosted моделей?

Проверка архитектурного мышления в LLM.

Как бы вы спроектировали многошагового AI-агента для извлечения структурированных данных из неструктурированных медицинских отчетов?

Оценка навыков fine-tuning.

В каких случаях вы бы предпочли fine-tuning (например, через QLoRA) вместо улучшения промптов или расширения контекста в RAG?

Проверка владения стеком MLOps.

Как вы организуете версионирование эмбеддингов и данных при обновлении базовой модели в production-системе?

Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

Похожие вакансии

Казахстанот 2 000 $
более 1000 офферов получено
4.9

1000+ офферов получено

Устали искать работу? Мы найдём её за вас

Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!