Senior ML Training and Inference Engineer
Отличная вакансия с высокой почасовой ставкой и возможностью удаленной работы над передовыми AI-технологиями. Прозрачные требования и глобальный масштаб проекта делают это предложение очень привлекательным для опытных инженеров.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Высокая сложность обусловлена требованием уровня Senior и широким спектром задач: от разработки пайплайнов обучения до оптимизации инференса и численных вычислений. Работа в глобальном распределенном проекте требует высокой автономности и глубокой технической экспертизы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Предлагаемая ставка $60-$120 в час ($9,600 - $19,200 в месяц при полной занятости) соответствует верхнему сегменту мирового рынка для Senior ML ролей. Это значительно выше средних зарплат в РФ и СНГ, и находится на уровне топовых контрактов в США и Европе.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Published time: 2026-11-16
Company name: OpenTrain AI
Title: Senior ML Training and Inference Engineer
Salary: $60-$120 USD/hr
Grades: senior
Job description: Contribute to a global, fully remote AI training project: create, solve, review and validate ML engineering tasks covering model development, training pipelines, inference systems, numerical computing and performance optimization in Python.
Location: Global (52 eligible countries across Americas, Europe, MEA, APAC)
Anywhere: No
Remote: Yes
Forbidden locations: Outside the 52-country eligibility list
Tags:
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- Machine Learning
- Performance Optimization
- Inference
- Numerical Computing
- ML Pipelines
Возможные вопросы на собеседовании
Проверка опыта в оптимизации производительности, что критично для инференс-инженеров.
Какие методы оптимизации инференса LLM вы использовали на практике (квантование, дистилляция, использование TensorRT)?
Оценка навыков построения масштабируемой инфраструктуры обучения.
Опишите ваш опыт проектирования распределенных пайплайнов обучения для моделей с миллиардами параметров.
Проверка фундаментальных знаний в области численных методов, упомянутых в описании.
С какими проблемами численной стабильности вы сталкивались при обучении глубоких нейросетей и как их решали?
Важно для роли, включающей ревью и валидацию чужих задач.
Каковы ваши критерии качества при проведении code review для ML-кода, особенно в части производительности и воспроизводимости?
Проверка умения работать с низкоуровневыми аспектами Python для ML.
Как вы профилируете Python-код для выявления узких мест в вычислительных задачах и какие инструменты используете?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

