- Страна
- Россия
Senior ML/DS Engineer
Оценка ИИИнтересная роль для опытных инженеров, сочетающая передовые технологии (LLM, RAG) и сложную математику 3D. Однако отсутствие информации о компании и четкой вилки зарплаты немного снижает привлекательность.
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 редким сочетанием навыков: глубокой математической базы для работы с 3D-геометрией и экспертизы в области LLM/RAG систем. Требуется не только знание алгоритмов, но и серьезный инженерный бэкграунд для вывода моделей в продакшн.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции Senior ML/DS Engineer в РФ и РБ с таким широким стеком (3D + LLM + MLOps) рыночные предложения обычно начинаются от 350 000 рублей и могут достигать 550 000+ рублей в зависимости от сложности продукта. Данная вакансия требует уникальных компетенций, что позволяет претендовать на верхнюю границу рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Senior ML/DS Engineer
#SeniorDSEngineer #DSEngineer #MLEngineer #SeniorMLEngineer #Python #РФ #РБ
Требования:
Опыт внедрения решений в production, не только в Jupyter. Полигональные сетки, воксели, триангуляция, 2D/3D и математическая база. IR & LLM: hybrid search (dense/sparse, BM25, RRF), embeddings, векторные БД (Qdrant, Milvus, pgvector, Weaviate). LLM-evals (Ragas, TruLens, DeepEval) или собственные метрики. Python 3.10+, asyncio, typing, NumPy/SciPy/Pandas; надёжный и поддерживаемый код. Backend & Infra: FastAPI, REST/микросервисы, Docker, Linux/Ubuntu. Профилирование: cProfile, Scalene, memory_profiler и аналоги. Будет плюсом: Trimesh, PyVista, Shapely, OMF; работа с 3D-сценами. DXF, VTK, LAS/LAZ, GeoTIFF. Inference: Triton, ONNX Runtime, vLLM. MLOps и CI/CD для ML-сервисов. Уверенная работа с Linux CLI и скриптами (Python, JS).
Локация:*📍*РФ/РБ.
Контакт для отклика: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- NumPy
- SciPy
- Pandas
- FastAPI
- Docker
- Linux
- Qdrant
- Milvus
- Weaviate
- ONNX Runtime
- Triton Inference Server
- vLLM
- MLOps
- CI/CD
- asyncio
- Shapely
Возможные вопросы на собеседовании
Проверка опыта работы с геометрическими данными и оптимизации вычислений.
Расскажите о вашем опыте работы с воксельными сетками и триангуляцией: с какими основными вычислительными сложностями вы сталкивались при обработке 3D-сцен?
Оценка навыков построения качественных поисковых систем.
Как вы подходите к настройке гибридного поиска (dense + sparse)? В каких случаях RRF показывает себя лучше, чем простое взвешенное сложение скоров?
Проверка умения оценивать качество генеративных систем.
Какие метрики из фреймворков Ragas или DeepEval вы считаете наиболее критичными для оценки RAG-системы в продакшене и почему?
Оценка инженерной зрелости и навыков оптимизации.
Опишите процесс профилирования ML-сервиса: какие инструменты вы используете для поиска утечек памяти в долгоживущих процессах asyncio?
Проверка знаний в области деплоя и инференса.
В чем преимущество использования Triton Inference Server или vLLM по сравнению с обычным FastAPI-оберткой для тяжелых моделей?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
