Откликайтесь
на вакансии с ИИ
Senior Machine Learning Engineer (RecSys)
Оценка ИИОтличная вакансия в инновационной сфере AI Music с возможностью удаленной работы из Европы. Четкие требования и работа в исследовательском подразделении делают позицию очень привлекательной для Senior-специалистов.
Сложность вакансии
Оценка ИИРоль требует глубокой экспертизы в узкой нише рекомендательных систем и опыта работы с распределенными системами. Высокий уровень ответственности за продакшн-решения в международной среде повышает порог входа.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для Senior ML ролей в европейских стартапах медиана составляет около 85,000 евро в год. В зависимости от страны проживания и опыта, вилка может значительно варьироваться.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в GRAI уже сейчас
Присоединяйтесь к GRAI и создавайте будущее музыкальных рекомендаций на базе ИИ!
Описание вакансии
Senior Machine Learning Engineer (RecSys) / GRAI *✅*
Remote (Europe)
AI Music Research Lab. AI-powered music platform that’s transforming how people create, explore, and experience music.
Требования к кандидату:
- 3+ years of experience in ML and recommendation systems
- Proficiency in Python and ML frameworks (PyTorch, TensorFlow)
- Experience with large-scale data (SQL, Spark, distributed systems)
- Strong understanding of ML fundamentals and evaluation methods
- Experience deploying and maintaining ML models in production
Читать подробнее:
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- Machine Learning
- SQL
- Recommendation Systems
- Apache Spark
- Distributed Systems
- TensorFlow
Возможные вопросы на собеседовании
Проверка понимания специфики музыкальных рекомендаций (проблема холодного старта, разнообразие).
Как бы вы спроектировали систему рекомендаций для нового пользователя в музыкальном приложении?
Оценка навыков работы с большими данными, указанных в требованиях.
Расскажите о вашем опыте оптимизации Spark-джобов при обработке терабайтных логов прослушиваний.
Проверка умения доводить модели до реальных пользователей.
С какими основными трудностями вы сталкивались при деплое тяжелых PyTorch моделей в продакшн?
Важно понимать, как кандидат оценивает успех своих моделей.
Какие офлайн и онлайн метрики вы считаете наиболее критичными для музыкального сервиса?
Проверка фундаментальных знаний ML.
