Senior ML Engineer | Kimchi (Inference Stack Optimization)
Оценка ИИВысокий балл обусловлен сильным брендом компании в сфере облачной оптимизации, интересным технологическим стеком и возможностью удаленной работы с оплатой в валюте. Вакансия предлагает работу над сложными инженерными задачами на острие технологий.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует глубокой экспертизы на стыке ML и системного программирования (Inference Stack Optimization). Кандидату необходимо не только понимать алгоритмы, но и виртуозно владеть инструментами оптимизации производительности и облачной инфраструктурой.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в валюте для Senior ML ролей в международных компаниях обычно находится в верхнем сегменте рынка. Предлагаемые условия соответствуют ожиданиям для опытных инженеров, работающих над оптимизацией инфраструктуры.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Senior ML Engineer | Kimchi (Inference Stack Optimization) в CAST AI: Откликнуться
Можно работать удалённо. Зарплата в валюте.
При отклике укажите, что нашли вакансию на Remocate.
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Machine Learning
- Inference Optimization
- Kubernetes
- Python
- TensorRT
- ONNX
- Cloud Infrastructure
Возможные вопросы на собеседовании
Вакансия сфокусирована на оптимизации стека инференса, поэтому важно понимать опыт кандидата с конкретными фреймворками.
Какие методы оптимизации инференса (например, квантование, прунинг, использование TensorRT или ONNX) вы применяли на практике и каких результатов удалось достичь?
CAST AI занимается облачной оптимизацией, поэтому навыки работы с K8s критичны для ML-инженера.
Опишите ваш опыт развертывания и масштабирования ML-моделей в среде Kubernetes. С какими основными проблемами вы сталкивались?
Для Senior-позиции важно умение находить баланс между скоростью работы модели и стоимостью ресурсов.
Как вы подходите к мониторингу и оптимизации стоимости (cost-optimization) ML-инфраструктуры в облаке?
Проверка понимания низкоуровневых процессов, влияющих на производительность.
Как бы вы подошли к отладке узкого места (bottleneck) в пайплайне инференса, если задержка (latency) резко возросла?
Работа в Kimchi подразумевает создание инструментов для других.
Расскажите о самом сложном архитектурном решении, которое вы принимали при проектировании систем доставки ML-моделей в продакшн.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
