Ведущий ML-инженер
Оценка ИИПозиция в крупном ритейлере с современным стеком технологий и возможностью удаленной работы. Четко прописанные требования и фокус на бизнес-результат делают вакансию привлекательной для опытных специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний в специфических областях, таких как Causal Inference и прогнозирование временных рядов, а также навыков работы с высоконагруженными системами и оркестрацией. Высокая планка ожиданий по части связи ML с бизнес-эффектом.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИРаботодатель не указал вилку, но для позиции Lead ML Engineer в российском ритейле рыночные предложения обычно начинаются от 350 000 рублей. Учитывая масштаб компании, можно ожидать конкурентную оплату, соответствующую верхним границам рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Ведущий ML-инженер в М.Косметик
*💰*По итогам собеседования
*📌*Условия и бонусы:
Фултайм, удаленно по РФ или офис/гибрид (МСК, Краснодар).
*📌*Мы ожидаем:
– Сильную базу в классическом ML, статистике и работе с табличными данными.
– Опыт с forecasting, временными рядами и gradient boosting: LightGBM,CatBoost или XGBoost.
– Понимание causal inference и экспериментального дизайна.
– Опыт доведения ML-моделей до production.
– Уверенное владение Python и SQL.
– Понимание временной валидации, data leakage, calibration и uncertaintyestimation.
– Опыт работы с Airflow или аналогичным оркестратором.
– Понимание принципов распределённой обработки данных, партиционирования и оптимизации вычислений.
– Умение связывать ML-метрики с измеримым бизнес-эффектом.
*✍🏼*Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- Machine Learning
- SQL
- Statistics
- Forecasting
- Airflow
- XGBoost
- LightGBM
- Causal Inference
- Time Series
- CatBoost
- Gradient Boosting
- Data Leakage
- Uncertainty Estimation
Возможные вопросы на собеседовании
Проверка понимания специфики временных рядов и предотвращения переобучения.
Как вы организуете процесс валидации для моделей прогнозирования временных рядов, чтобы избежать data leakage?
Оценка навыков оценки влияния моделей на бизнес.
Расскажите о вашем опыте применения Causal Inference для оценки эффекта от внедрения ML-модели.
Проверка инженерных навыков и работы с данными.
С какими проблемами производительности в Spark или Airflow вы сталкивались при обработке больших объемов данных и как их решали?
Оценка владения ключевым стеком.
В каких случаях вы предпочтете CatBoost вместо LightGBM, и как вы подходите к калибровке вероятностей в этих моделях?
Проверка продуктового мышления.
Как вы переводите техническую метрику (например, RMSE или MAPE) в денежный эквивалент для бизнеса?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
