Senior Machine Learning Engineer, Knowledge Layer
Оценка ИИОтличная вакансия в топовой компании сферы блокчейн-безопасности с высокой прозрачной зарплатой и возможностью удаленной работы из любой точки мира. Проект технически сложный и общественно значимый.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью глубоких знаний в области графов знаний, разрешения сущностей и работы с неструктурированными данными в масштабе. Позиция Senior подразумевает полную ответственность за цикл разработки от экспериментов до продакшена.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата в $180k - $210k соответствует верхнему сегменту рынка для Senior ML ролей в США и значительно превышает средние показатели для удаленных сотрудников в Европе или Азии. Это конкурентное предложение даже для Tier-1 компаний.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Published time: 2026-10-30
Company name: TRM Labs
Title: Senior Machine Learning Engineer, Knowledge Layer
Salary: $180,000 - $210,000 (US base)
Grades: senior
Job description: Be the ML and data science voice on the Knowledge Layer team: extract, structure and analyze knowledge from large-scale unstructured data, working end-to-end from model selection and experimentation to productionizing ML systems around knowledge graphs, entity resolution and graph analytics.
Location: Worldwide
Anywhere: Yes
Remote: Yes
Tags:
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Machine Learning
- NLP
- Knowledge Graphs
- Entity Resolution
- Graph Analytics
- Data Science
Возможные вопросы на собеседовании
Проверка опыта работы с основным стеком задач команды Knowledge Layer.
Расскажите о вашем опыте построения систем Entity Resolution для больших объемов данных. С какими основными проблемами вы сталкивались?
Оценка навыков работы с графовыми структурами, указанными в описании.
Какие подходы вы используете для извлечения знаний (Knowledge Extraction) из неструктурированных текстов для наполнения графа знаний?
Проверка инженерных навыков и понимания MLOps.
Как вы подходите к мониторингу и обеспечению качества ML-моделей в продакшене, особенно в контексте графовой аналитики?
Оценка способности работать с масштабируемыми системами.
Опишите ваш опыт работы с распределенной обработкой данных для обучения ML-моделей на терабайтных выборках.
Проверка продуктового мышления и приоритизации.
Как вы выбираете между использованием готовых LLM и обучением специализированных моделей для задач классификации сущностей?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
