- Страна
- Россия
- Зарплата
- 320 000 ₽ – 390 000 ₽
Senior ML-инженер
Оценка ИИГНИВЦ — стабильный и крупный работодатель с интересными задачами на стыке госсектора и высоких технологий. Предлагается гибкий формат работы и конкурентная рыночная зарплата.
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 ИИРоль требует глубокой экспертизы в NLP и оптимизации моделей, а также уверенных навыков работы с базами данных и production-окружением. Уровень Senior предполагает самостоятельность в принятии архитектурных решений.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИУказанный в описании диапазон 320-390к полностью соответствует текущим рыночным ожиданиям для Senior ML-специалистов в России. Верхняя планка может быть выше в зависимости от уникальных компетенций кандидата.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
Senior ML-инженер в GNIVC
*💰*По итогам собеседования (ср. рын. зп 320 000 ₽ – 390 000 ₽)
*📌*Условия и бонусы:
Фултайм, удаленно (РФ)/ гибрид/ офис.
*📌*Наши ожидания:
– высшее образование;
– 2+ года опыта в NLP/ML, включая fine-tuning transformer-моделей (BERT/RoBERTa/DistilBERT);
– глубокий опыт с PyTorch, Hugging Face Transformers, pandas, datasets;
– опыт работы с PostgreSQL: SQL, создание/оптимизация схем, хранимые функции, производительность запросов;
– знание техник model optimization: quantization, layer-wise LR, custom loss functions;
– опыт production ML: monitoring, anomaly detection, model serving;
– уверенное владение Python, Git, Linux/Shell scripting.
*✍🏼*Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- NLP
- Machine Learning
- PyTorch
- Hugging Face
- BERT
- RoBERTa
- DistilBERT
- Pandas
- PostgreSQL
- SQL
- Python
- Git
- Linux
- Shell Scripting
- Model Optimization
- Quantization
Возможные вопросы на собеседовании
Проверка опыта оптимизации моделей для высоконагруженных систем.
Какие методы квантования (quantization) вы использовали на практике и как это повлияло на метрики точности и скорость инференса?
Оценка навыков работы с NLP-стеком.
Опишите ваш подход к выбору стратегии fine-tuning для моделей BERT/RoBERTa при работе с несбалансированными данными.
Проверка инженерных навыков работы с БД.
С какими проблемами производительности PostgreSQL вы сталкивались при хранении эмбеддингов или результатов работы ML-моделей и как их решали?
Оценка опыта эксплуатации моделей.
Как вы выстраиваете процесс мониторинга и обнаружения аномалий (anomaly detection) для моделей, работающих в реальном времени?
Проверка понимания внутренних механизмов обучения.
В каких случаях вы бы предпочли использовать layer-wise learning rate decay вместо стандартного подхода к обучению трансформеров?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
