Если вы раньше входили через Google, сбросьте пароль для своей Gmail-почты через кнопку «Забыли пароль?» на экране входа. Затем войдите по email и новому паролю.
Если аккаунта ещё нет, зарегистрируйтесь с Gmail-почтой, после подтверждения почты мы предложим задать пароль.
Что нового
Загружаю обновления...
Что нового
Загружаю обновления...
Работа найдется быстрее с подпискойКандидат найдётся быстрее с подпиской
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
Команда разрабатывает ML-пайплайны и выводит модели в production, включая контейнеризацию, интеграцию, мониторинг и поддержку ML-сервисов.
задачи
Участвовать в разработке и поддержке конвейеров данных для ML-моделей;
Помогать развёртывать, контейнеризировать и интегрировать ML-модели в продуктивную среду;
Работать вместе со старшими ML-инженерами, специалистами по данным и разработчиками;
Писать чистый и тестируемый код, участвовать в проверке кода;
Помогать настраивать мониторинг и журналирование ML-сервисов и поддерживать их надёжность;
Разбираться с проблемами в ML-конвейерах и инфраструктуре развёртывания;
Участвовать в разработке PoC для новых ML-функций.
требования
От 2 лет коммерческого опыта в роли инженера по разработке ПО, ML-инженера, специалиста по данным или инженера по данным;
Хорошее знание Python;
Понимание основных алгоритмов машинного обучения и методов предварительной обработки данных;
Практический опыт работы с одним или несколькими ML-фреймворками: PyTorch, TensorFlow, Keras;
Базовый практический опыт работы с Docker;
Опыт работы или знакомство с облачными средами: AWS, Azure или GCP;
Понимание инструментов оркестрации рабочих процессов, например Airflow, Kubeflow или Argo;
Знание принципов тестирования ПО, CI/CD и качества кода;
Хороший английский язык;
Степень бакалавра или магистра в области Computer Science или смежной области;
Будет плюсом знакомство с фреймворками для LLM: LangChain, LangGraph или LlamaIndex, понимание RAG-архитектур, опыт или знания в области NLP, понимание принципов ML-мониторинга и инструментов вроде DataDog или Langfuse, облачные сертификации AWS или других провайдеров.