Machine learning Engineer
Ориентир по рынку≈ 345 000 – 374 000 ₽наша приблизительная оценка по 13 вакансиям этой роли и грейда, у работодателя вилка не указана
≈ 4,2 тыс.–4,6 тыс. $
УдалённоMiddleПолная занятостьИз Россииопубликовано 27 окт.
≈ 345 000 – 374 000 ₽наша приблизительная оценка
Описание
Разбор
Подготовить откликОтклик
История
Чем предстоит заниматься
Практические познания в NLP
Запуск на гпу\цпу
Контенейризация
Jenkins
Векторные базы и эмбедеры для RAG
Function calling
Kserve
Bert образные модели
Работа с эвристиками
Опыт в квантинизации ллм
Наши требования
Понимание принципов проектирования AI-агентов: управление состоянием и контекстом, выбор инструментов, контроль уровня автономности и human-in-the-loop
Глубокое понимание основных принципов машинного обучения: подготовка данных и признаков, выбор моделей, регуляризация, переобучение, data leakage, интерпретация результатов
Знание математической статистики: проверка гипотез, доверительные интервалы, дизайн и анализ A/B-тестов
Понимание принципов оценки качества ML-систем: offline- и online-метрики, построение валидации, оценка бизнес-эффекта, мониторинг качества моделей и данных
Опыт работы хотя бы в одном из направлений
Классическое машинное обучение
Временные ряды и прогнозирование
Рекомендательные системы, поиск и ранжирование
NLP, LLM и генеративный AI
Уверенное владение Python и основными библиотеками для анализа данных и машинного обучения: pandas или polars, NumPy, scikit-learn, CatBoost / LightGBM / XGBoost, PyTorch или аналогичные инструменты
Умение писать поддерживаемый production-код: модульная архитектура, тестирование, логирование, документация, работа с Git и участие в code review
Уверенное владение SQL
Опыт построения evals для LLM-систем, оценки качества ответов, контроля галлюцинаций и мониторинга поведения системы
Понимание рисков prompt injection, некорректного tool calling, утечки данных и чрезмерных прав доступа агента
Опыт работы с API языковых моделей, Hugging Face и одним из orchestration-фреймворков
Умение оценивать стоимость, latency и масштабируемость LLM-решений
Опыт работы в e-commerce, retail или других продуктовых highload-системах
Опыт работы с Airflow, MLflow, Kafka, Redis, Kubernetes, Prometheus и Grafana
Опыт эксплуатации GPU-инфраструктуры и оптимизации inference
Опыт fine-tuning или адаптации LLM, включая LoRA / PEFT
Опыт проектирования agentic workflows или multi-agent-систем
Понимание принципов информационной безопасности, privacy и работы с персональными данными.Обязательные требования• Владение Python и основными библиотеками для анализа данных и машинного обучения: pandas или polars, NumPy, scikit-learn, CatBoost / LightGBM / XGBoost, PyTorch или аналогичные инструменты
Владение SQL
