Senior ML Engineer (MSc. or PhD)
Оценка ИИПривлекательная позиция для высококвалифицированных специалистов с почасовой оплатой выше рынка и возможностью удаленной работы из любой точки мира. Проект предлагает работу над передовыми задачами в области AI, хотя формат контракта может подойти не всем.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием ученой степени (MSc/PhD) и необходимостью решать глубокие технические задачи: от отладки численных сбоев до оптимизации пропускной способности моделей. Роль Senior уровня предполагает полную автономность и экспертные знания в области LLM и инфраструктуры обучения.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая ставка $60-$120 в час ($9,600 - $19,200 в месяц при полной занятости) соответствует верхнему сегменту мирового рынка для Senior ML ролей, особенно для контрактной формы работы. Это значительно выше средних зарплат в РФ и СНГ, и конкурентно для рынка США и Европы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Published time: 2026-10-26
Company name: micro1
Title: Senior ML Engineer (MSc. or PhD)
Salary: $60-$120/hour
Grades: senior
Job description: Create, solve, review and validate challenging ML engineering tasks for an AI training project: implementing or modifying models, building reproducible training and inference workflows, optimizing memory or throughput and debugging numerical failures.
Location: Worldwide
Anywhere: Yes
Remote: Yes
Tags:
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Machine Learning
- Python
- LLM
- AI Training
- Model Optimization
- Inference
Возможные вопросы на собеседовании
Проверка опыта работы с низкоуровневыми проблемами обучения моделей.
Расскажите о самом сложном случае численной нестабильности (например, взрыв градиентов), с которым вы столкнулись, и как вы его диагностировали?
Оценка навыков оптимизации производительности, критически важных для LLM.
Какие стратегии вы используете для оптимизации потребления памяти и увеличения пропускной способности (throughput) при обучении больших моделей?
Проверка понимания воспроизводимости в ML.
Как вы проектируете пайплайны обучения, чтобы гарантировать 100% воспроизводимость результатов в распределенной среде?
Оценка навыков работы с архитектурами моделей.
Опишите ваш опыт модификации стандартных архитектур трансформеров для специфических задач проекта. Какие изменения дали наибольший прирост метрик?
Проверка способности к валидации и код-ревью.
На что вы в первую очередь обращаете внимание при ревью кода ML-инженера, если задача касается реализации нового алгоритма оптимизации?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
