- Страна
- Грузия
- Зарплата
- до 8 000 $
Senior ML Engineer
Оценка ИИОтличное предложение с высокой зарплатой в долларах, удаленным форматом и современным стеком технологий. Дополнительные бонусы в виде Unlimited PTO и возможности релокации делают вакансию крайне привлекательной.
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 ИИВысокая сложность обусловлена требованиями к 5-летнему опыту, глубоким знаниям GCP и специфике LLM в продакшене под высокой нагрузкой. Также требуется опыт работы с медицинскими данными и современным стеком (vLLM, RAG).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата до $8000 (gross) находится на верхней границе рынка для Senior ML ролей в регионе Грузии и Восточной Европы, соответствуя международным стандартам для Health-Tech стартапов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*📍*Формат/working arrangement: удалённо
*✔️*Должность/position: Senior ML Engineer
*🏢* Место работы/workplace: AI Health-Tech компания, ТРТ
*💸* Заработная плата/salary estimate: до 8 000 $ в месяц, до вычета налогов
*📈* Обязанности/responsibilities:
— Разработка и внедрение ML/LLM-решений для healthcare.
— Работа с медицинскими документами и текстами.
— Разработка AI-агентов, voice/chat решений.
— Построение ML-инфраструктуры на GCP.
— Оптимизация производительности, latency и стоимости.
— Мониторинг ML-систем и моделей.
*📌* Требования/requirements:
— 5+ лет опыта в ML Engineering.
— Опыт вывода ML-решений в production под высокой нагрузкой.
— 3+ года Cloud-Native, предпочтительно GCP.
— Python, SQL, BigQuery.
— PyTorch, Transformers, Hugging Face.
— Опыт с LLM и vLLM.
— FastAPI, Pydantic, pandas, asyncio.
— Unix/macOS/Linux.
— Английский B1+.
*🌟* Будет плюсом:
— Опыт в healthcare.
— Multimodal AI.
— RAG.
— Опыт с voice/conversational AI.
*🛠* Технический стек:
— Python
— GCP
— Vertex AI
— BigQuery
— GKE
— Pub/Sub
— vLLM
— PyTorch
— Hugging Face
— SQL
— LLM/NLP
*🎯* Основные задачи проекта:
— Создание production-ready ML/LLM-систем.
— Разработка AI-решений для медицинских процессов.
— Построение масштабируемой ML-инфраструктуры.
— Обеспечение надёжности и производительности систем.
*🏢* О компании:
— Международная AI Health-Tech компания.
— Платформа используется американскими врачебными сетями.
— Работа в международной ML/AI-команде.
*✅* Условия/working conditions:
— Полная занятость.
— График 5/2.
— 8 часов в день.
— Удалённая работа.
— Unlimited PTO.
— Корпоративное оборудование после испытательного периода.
— Возможна релокация после испытательного периода.
*📍* Адрес: Батуми.
*📢**❗️**🚨* Вакансия: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- BigQuery
- PyTorch
- Transformers
- Hugging Face
- LLM
- vLLM
- FastAPI
- Pydantic
- Pandas
- asyncio
- GCP
- Vertex AI
- GKE
- Pub/Sub
- NLP
- RAG
Возможные вопросы на собеседовании
Проверка опыта работы с высоконагруженными системами и инструментами оптимизации вывода моделей.
Как вы подходите к оптимизации latency и стоимости инференса LLM при использовании vLLM в продакшене?
Оценка навыков проектирования облачной инфраструктуры специально для ML-задач.
Опишите ваш опыт построения CI/CD пайплайнов для ML-моделей с использованием Vertex AI и GKE в Google Cloud Platform.
Проверка понимания специфики работы с текстовыми данными в медицине.
С какими основными трудностями вы сталкивались при обработке медицинских документов и как обеспечивали точность извлечения сущностей?
Оценка практического опыта внедрения RAG-систем.
Как вы оцениваете качество ответов RAG-системы и какие стратегии индексации данных в BigQuery вы бы предложили для медицинских текстов?
Проверка навыков асинхронного программирования на Python.
В каких случаях в ML-сервисах на FastAPI критически важно использование asyncio и как это влияет на производительность при взаимодействии с внешними API?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
