Откликайтесь
на вакансии с ИИ
Software Engineer - AI and ML
Оценка ИИОтличная вакансия в стабильной технологической компании с современным стеком (GenAI, RAG, LLM). Четко прописанные требования и интересные задачи по трансформации целой индустрии.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием глубоких знаний в Generative AI (от 2 лет), NLP и MLOps, а также необходимостью владения широким стеком от Python до облачных платформ.
Анализ зарплаты
Оценка ИИЗарплата не указана в вакансии, но для роли AI/ML инженера такого уровня в США или Европе рыночные показатели начинаются от $120k-150k в год. Учитывая требования к GenAI и 4+ годам опыта, позиция претендует на верхнюю границу рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в zinnia уже сейчас
Присоединяйтесь к Zinnia и создавайте будущее страховых технологий с помощью передового ИИ!
Описание вакансии
Software Engineer - AI and ML
Full-time/Company: Zinnia
WHO WE ARE:
Zinnia is the leading technology platform for accelerating life and annuities growth. With innovative enterprise solutions and data insights, Zinnia simplifies the experience of buying, selling, and administering insurance products.
WHO YOU ARE:
- You are a passionate Python and AI/ML Engineer minimum 4 years of hands-on experience building intelligent systems.
- You thrive in fast-paced environments, love solving complex problems with data and algorithms, and take pride in delivering AI solutions that create real business impact.
- You have experience with cutting-edge Generative AI, scalable ML pipelines, and production-grade systems and you're energized by working at the frontier of what AI can do.
WHAT YOU'LL DO:
Design, develop, and deploy machine learning models and Generative AI solutions — including classification, clustering, summarization, search & ranking, and information extraction.
Own end-to-end ML pipelines — from data ingestion and preprocessing through model training, deployment, and production monitoring.
Collaborate with cross-functional teams to translate business requirements into AI-driven features — applying NLP, outlier detection, and deep learning techniques where applicable.
Build robust, scalable, and well-documented Python-based RESTful APIs to expose ML models and AI services in production environments.
Optimize database interactions and ensure efficient data storage and retrieval for AI applications across SQL and NoSQL systems.
Stay current with the latest advances in AI/ML — integrating emerging approaches such as RAG pipelines, LLM fine-tuning, and vector search into live products.
WHAT YOU'LL NEED
Python
Strong hands-on proficiency for building, scripting, and deploying AI/ML systems.
NumPy · Pandas · FastAPI · Scikit-learn
Machine Learning
Applied expertise across supervised, unsupervised, and deep learning — classification, clustering, outlier detection.
PyTorch · TensorFlow · XGBoost · DBSCAN
Generative AI (2+ yrs)
Hands-on experience building with LLMs — prompt engineering, RAG pipelines, summarization, and AI-powered features.
LLMs · RAG · Prompt Eng. · Fine-tuning
NLP & Search / Ranking
Processes language and builds relevance engines — NER, embeddings, semantic search, and ranking models.
spaCy · BERT · FAISS · Elasticsearch
API Development
Designs and ships secure, well-documented RESTful APIs exposing ML models as production-ready services.
REST · FastAPI · OAuth2 · Swagger
Databases
Proficient in SQL and NoSQL stores for structured and unstructured data pipelines supporting AI workloads.
PostgreSQL · MongoDB · Vector DBs
GOOD TO HAVE
Cloud Platforms
Deploys and scales AI workloads on AWS, Azure, or GCP.
AWS · Azure
TypeScript / JavaScript
Frontend or full-stack exposure for building ML-powered product interfaces.
TypeScript · React · Node.js
MLOps
Manages the ML lifecycle — tracking, versioning, and pipeline automation.
MLflow · Kubeflow · CI/CD
Containerization & Orchestration
Packages and scales AI services using containers and cluster management.
Docker · Kubernetes
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- NumPy
- Pandas
- FastAPI
- Scikit-learn
- PyTorch
- TensorFlow
- XGBoost
- DBSCAN
- LLM
- RAG
- NLP
- BERT
- FAISS
- ElasticSearch
- PostgreSQL
- MongoDB
- Vector DBs
- AWS
- Azure
- TypeScript
- React
- Node.js
- MLflow
- Kubeflow
- Docker
- Kubernetes
Возможные вопросы на собеседовании
Проверка практического опыта работы с современными LLM-архитектурами.
Расскажите о вашем опыте внедрения RAG-пайплайнов: с какими основными проблемами вы сталкивались при обеспечении точности ответов?
Оценка навыков проектирования масштабируемых систем.
Как вы подходите к проектированию RESTful API для ML-моделей, чтобы обеспечить низкую задержку (latency) при высокой нагрузке?
Проверка знаний в области обработки данных и поиска.
В каких случаях вы предпочтете использование векторной базы данных (например, FAISS) традиционным методам поиска в Elasticsearch?
Оценка опыта в классическом машинном обучении.
Как вы решаете проблему обнаружения аномалий (outlier detection) в больших наборах данных перед обучением модели?
Проверка понимания жизненного цикла модели.
Как вы организуете мониторинг качества моделей в продакшене и какие метрики считаете критичными для Generative AI решений?
Похожие вакансии
AI Engineer/Senior ML Engineer
Python разработчик (Senior)
AI Automation разработчик
Head of AI
Middle+ AI Engineer & Node.js
Python-разработчик в команду LLM платформы
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!