- Страна
- Россия
Сеньор Разработчик ML-сервисов в AI Core Platform (Yandex Cloud)
Оценка ИИЭто отличная возможность для Senior-разработчика работать в топовой технологической компании над передовыми AI-продуктами. Сильный стек технологий и работа в Yandex Cloud обеспечивают профессиональный рост и работу над масштабными задачами.
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 требованием к владению широким стеком технологий (Java, Go, Python) и опытом работы с инфраструктурными ML-решениями. Позиция уровня Senior предполагает глубокие знания в области распределенных систем и архитектуры.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Senior ML-разработчика в Москве рыночный диапазон составляет от 350 000 до 550 000 рублей. Яндекс обычно предлагает конкурентоспособные условия, включая премии и опционы.
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
Сеньор Разработчик ML-сервисов в AI Core Platform (Yandex Cloud)
в Yandex Cloud — технологическая платформа для создания и развития ИТ-продуктов.
Стек: Java, Go, Python, Redis, PostgreSQL, Kubernetes, Micronaut, Spring, Temporal IO, gRPC, REST, SSE.
Москва или Санкт-Петербург. Офис / гибрид.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Java
- Go
- Python
- Redis
- PostgreSQL
- Kubernetes
- Micronaut
- Spring Framework
- Temporal IO
- gRPC
- REST
- SSE
Возможные вопросы на собеседовании
Вакансия предполагает работу с ML-сервисами, где важна производительность и масштабируемость.
Расскажите о вашем опыте проектирования высоконагруженных ML-инференс систем. С какими узкими местами вы сталкивались?
В стеке указан Temporal IO, который используется для управления сложными рабочими процессами.
В каких сценариях вы бы предпочли использовать Temporal IO вместо традиционных брокеров сообщений или простых стейт-машин?
Стек включает Java, Go и Python. Важно понять гибкость кандидата.
Как вы выбираете между Java и Go для реализации конкретного микросервиса? Приведите примеры из практики.
Работа в AI Core Platform требует понимания контейнеризации и оркестрации.
Опишите ваш опыт оптимизации ресурсов в Kubernetes для сервисов, потребляющих много GPU или памяти.
Упоминаются gRPC и SSE.
В чем преимущество использования Server-Sent Events (SSE) перед WebSockets для стриминга ответов от ML-моделей?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
