Perplexity AI

Member of Technical Staff (Machine Learning Engineer, Ranking Quality - Search)

Belgrade
Полная занятость
94 дн. назад

Perplexity AI ищет опытного ML-инженера для улучшения качества поиска в поздних этапах ранжирования. Вы будете отвечать за разработку и внедрение моделей ранжирования, работу с инфраструктурой и решение сложных задач оценки качества на больших масштабах.

О позиции

Мы — команда машинного обучения в Perplexity AI, разрабатывающая технологии умного поиска. Наша задача — сделать результаты поиска максимально релевантными и точными для пользователей во всём мире. Мы ищем инженера-эксперта, который сможет самостоятельно решать сложные неоднозначные задачи по улучшению качества ранжирования и масштабировать решения для продакшена.

Будет плюсом

Опыт работы с LLM-based подходами в ranking
Знание распределённых систем и высоконагруженной инфраструктуры
Публикации или вклад в open-source проекты в области ML ranking
Опыт работы в стартапах или продуктовой компании

Условия

Работа над реальными продуктом с глобальным impact
Возможность ownership сложных端到端проектов
Сотрудничество с сильной командой ML-инженеров
Конкурентный пакет compensation
Возможность профессионального роста и развития экспертизы

Навыки

MachineLearning
DeepLearning
TensorFlow
PyTorch
Python
NeuralRanking
RetrievalSystems
ModelEvaluation
ProductionRanking
LowLatencyInference
FeatureEngineering
DistributedSystems
MLOps

Сложность отбора

5 из 5

Роль требует глубокой экспертизы в production ranking системах, значительного индустриального опыта (минимум 5 лет) и способности самостоятельно решать сложные неоднозначные задачи. Высокий порог входа из-за специфики domain knowledge.

Оценка JobPath

Зарплата по рынку

300 000 – 650 000 ₽ в месяц

Оценка основана на рынке ML-инженеров в Белграде для senior-позиций со схожими требованиями. Пересчитано из европейского рынка с учётом локальных особенностей и уровня ответственности роли.

Оценка JobPath по рынку, не предложение работодателя

Могут спросить на собеседовании

Как вы оцениваете качество ranking системы? Какие метрики используете?
Расскажите о случае, когда вы выявили bottleneck в production ranking системе и как его решили
Какие trade-offs вы делаете между quality, latency и cost при разработке ranking решений?
Как вы организуете evaluation pipeline для neural ranking models?
Приведите примерambiguous задачи, которую вы решали без постоянной dekompozitsii

Прорепетировать это собеседование

Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.

Начать бесплатно

Сохрани похожие вакансии

Новые вакансии с такой должностью будут собираться в кабинете.

Сохранить фильтр

Перед откликом

Попробовать бесплатно