Zillow
Senior Machine Learning Engineer, Rich Media Experiences
- Удалённо
- United States
- Полная занятость
- В вакансии: 163 200 – 274 300 USD
- сегодня
Зильлоу ищет Senior Machine Learning Engineer для команды Rich Media Experiences. Роль в удалённом формате, от 1200 000 до 1 500 000 рублей в месяц. Работа над созданием ML-систем для трансформации фото и 3D-сигналов в структурированные планы этажей и представления недвижимости.
О позиции
Команда Rich Media Experiences в Zillow занимается созданием иммерсивного опыта на базе ИИ, который помогает людям лучше понять недвижимость. Рабочие задачи касаются превращения фото, видео и пространственных сигналов в структурированные данные для продуктов, используемых миллионы покупателей. В составе команды развивается Instant Floor Plans — трансформирует пространственные данные мобильных устройств в точные планы этажей и 3D-репрезентации.
Условия
- Конкурентная годовая зарплата $163,200–$274,300 (в зависимости от location)
- Возможность получения equity-опционов
- Удалённая работа по всему США
- Работа над масштабными ML-системами для миллионов пользователей
- Признание Zillow как одного из лучших работодателей страны
- Инклюзивная и инновационная культура роста
- Эквайтмент к разнообразию и равным возможностям
Навыки
- Python
- PyTorch
- TensorFlow
- Deep Learning
- Computer Vision
- Machine Learning
- Model Deployment
- MLOps
- Data Pipelines
- Model Training
- Model Evaluation
- Model Monitoring
- 3D Reconstruction
- Spatial Analysis
- Optimization
Сложность отбора
Высокий уровень: требуется значительный production опыт ML, навыки end-to-end систем, работа с computer vision и пространственными данными в ambiguous средах
Оценка JobPathЗарплата по рынку
1 200 000 – 1 500 000 ₽ в месяц
Оценка в пересчёте из годового диапазона $163,200–$274,300 USD; медиана ~1,64 млн ₽/мес; рынок 1,2–1,5 млн ₽/мес для Senior ML в США
Оценка JobPath по рынку, не предложение работодателяМогут спросить на собеседовании
- Расскажите о сложном ML-системе, которую вы построили с end-to-end процесса в production. С какими вызовами столкнулись?
- Как вы подходите к tradeoff между скоростью экспериментов и надёжностью системы в ML-пайплайнах?
- Приведите пример работы с computer vision или spatial data в ваших проектах. Какие методы использовали?
- Как вы организуете monitoring и evaluation моделей в production и что делаете при обнаружении проблем?
Прорепетировать это собеседование
Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.
Начать бесплатноСохрани похожие вакансии
Новые вакансии с такой должностью будут собираться в кабинете.
Сохранить фильтр