भर्ती: हैदराबाद में मशीन लर्निंग इंजीनियर (हाइब्रिड) – हिंदूटोन

हिंदूटोन में भर्ती चल रही है। यह हिंदूटोन में एक मौजूदा रिक्ति है, जो 17 अक्टूबर 2026 को पोस्ट की गई।

नौकरी का विवरण

• नियोक्ता: हिंदूटोन
• पद: मशीन लर्निंग इंजीनियर
• स्थान: हैदराबाद, तेलंगाना, भारत
• कार्य मोड: हाइब्रिड
• नौकरी का प्रकार: फुल-टाइम
• अनुभव: ML मॉडल ट्रेन, इवैल्युएट और डिप्लॉय करने का अनुभव
• अंतिम तिथि: 30 नवंबर 2026
• आवेदन: कॉल / WhatsApp +91-9666019191 या हिंदूटोन संपर्क पेज

भूमिका के बारे में

हर दिन हिंदूटोन तीन भाषाओं में पंचांग समय, त्योहारों की तिथियाँ, मंदिरों की जानकारी और करियर संबंधी जानकारी खोजने वाले पाठकों तक पहुँचता है। इस ट्रैफ़िक के पीछे बहुत सारा ऐसा डेटा है जिसका हमने अभी तक मुश्किल से उपयोग किया है: लोग कौन-से पेज साथ-साथ पढ़ते हैं, कौन-से विषय किन त्योहारों से पहले चरम पर पहुँचते हैं, और पाठक हमारे विभिन्न सेक्शनों के बीच कैसे आते-जाते हैं। हम हैदराबाद में एक मशीन लर्निंग इंजीनियर की भर्ती कर रहे हैं, जो इस डेटा को ऐसे मॉडलों में बदले जिनसे हिंदूटोन वेबसाइट और अधिक उपयोगी बने।

कच्चे डेटा से लेकर प्रोडक्शन में चल रहे मॉडल तक का पूरा रास्ता आपकी ज़िम्मेदारी होगी: पाइपलाइन बनाना, फ़ीचर इंजीनियरिंग, मॉडल ट्रेन और इवैल्युएट करना, उन्हें डिप्लॉय करना और ड्रिफ्ट पर नज़र रखना। सामान्य समस्याओं में लेखों का वर्गीकरण, पाठकों के लिए कंटेंट की रैंकिंग, संबंधित पेजों की सिफ़ारिश और त्योहारों के मौसम में ट्रैफ़िक का पूर्वानुमान शामिल हैं। यह पद फुल-टाइम और हाइब्रिड है, जिसमें हमारे हैदराबाद ऑफ़िस में समय बिताने के साथ घर से काम भी शामिल है।

यह भूमिका ऐसे इंजीनियर के लिए उपयुक्त है जिसने पहले ML मॉडल ट्रेन, इवैल्युएट और डिप्लॉय किए हों, और जिसकी रुचि मॉडल की सटीकता जितनी ही डेटा की गुणवत्ता और मॉनिटरिंग में भी हो।

आप क्या करेंगे

• ऐसी डेटा पाइपलाइन बनाना और बनाए रखना जो पेज, सर्च और एंगेजमेंट संकेतों को साफ़-सुथरे और गोपनीयता का सम्मान करने वाले तरीके से एकत्र करें।
• भाषा, त्योहार, देवता, क्षेत्र और प्रकाशन तिथि जैसे कंटेंट मेटाडेटा से फ़ीचर तैयार करना।
• ऐसे क्लासिफ़िकेशन मॉडल ट्रेन करना जो लेखों को विषय और सेक्शन के अनुसार लेबल करें, जिससे संपादकों को कंटेंट लाइब्रेरी व्यवस्थित रखने में मदद मिले।
• संबंधित लेखों, मंदिर पेजों और त्योहार कंटेंट के लिए रैंकिंग और रिकमेंडेशन मॉडल विकसित करना।
• प्रमुख त्योहारों से पहले ट्रैफ़िक का पूर्वानुमान लगाना, ताकि संपादकीय और तकनीकी टीमें कंटेंट और क्षमता की योजना बना सकें।
• उचित बेसलाइन, होल्ड-आउट सेट और व्यावसायिक प्रश्न से मेल खाने वाले मेट्रिक्स के साथ ऑफ़लाइन इवैल्युएशन डिज़ाइन करना।
• मॉडलों को डिप्लॉयमेंट के लिए पैकेज करना, बैच या रियल-टाइम इनफ़रेंस सेट अप करना और लेटेंसी को तय सीमाओं के भीतर रखना।
• प्रोडक्शन में मॉडलों की डेटा ड्रिफ्ट, प्रेडिक्शन ड्रिफ्ट और साइलेंट विफलताओं के लिए अलर्ट और रीट्रेनिंग योजनाओं के साथ निगरानी करना।
• सावधानी से प्रयोग चलाना और परिणामों की ईमानदारी से रिपोर्ट करना, उस स्थिति में भी जब कोई सरल नियम मॉडल से बेहतर साबित हो।
• ट्रेनिंग कोड, डेटासेट और मॉडल संस्करणों को रिप्रोड्यूसिबल और अच्छी तरह दस्तावेज़ित रखना।
• संपादकों और डेवलपर्स के साथ मिलकर यह समझना कि कौन-से प्रेडिक्शन वास्तव में किसी निर्णय को बदलेंगे।

हमें किन कौशलों की तलाश है

अनिवार्य

• वास्तविक वातावरण में ML मॉडल ट्रेन, इवैल्युएट और डिप्लॉय करने का अनुभव।
• मज़बूत Python और pandas, NumPy तथा scikit-learn जैसी लाइब्रेरियों का अच्छा व्यावहारिक ज्ञान।
• अच्छे SQL कौशल और अव्यवस्थित, वास्तविक दुनिया के डेटा के साथ सहजता से काम करने की क्षमता।
• क्लासिफ़िकेशन, रैंकिंग और रिग्रेशन के इवैल्युएशन मेट्रिक्स की समझ, और यह कि हर एक कब भ्रामक हो सकता है।
• मॉडल सर्विंग के कम से कम एक तरीके का अनुभव, चाहे बैच जॉब, API या शेड्यूल्ड स्कोरिंग।
• वर्शन कंट्रोल से परिचय और डेटा तथा मॉडल कोड के लिए टेस्ट लिखने का अनुभव।

हो तो अच्छा

• रिकमेंडेशन सिस्टम, लर्निंग-टू-रैंक या टाइम-सीरीज़ फ़ोरकास्टिंग का अनुभव।
• टेक्स्ट या एम्बेडिंग मॉडलों के लिए PyTorch जैसे डीप लर्निंग फ़्रेमवर्क का अनुभव।
• एक्सपेरिमेंट ट्रैकिंग और मॉडल रजिस्ट्री टूल्स का ज्ञान।
• बहुभाषी या भारतीय भाषाओं के टेक्स्ट डेटा के साथ काम करने का अनुभव।
• मौसमी पैटर्न की समझ, जो त्योहार-आधारित ट्रैफ़िक के लिए बहुत मायने रखते हैं।

किसे आवेदन करना चाहिए

आपके पास कंप्यूटर साइंस, IT, सांख्यिकी, गणित या संबंधित क्षेत्र में डिग्री होनी चाहिए, या वास्तविक प्रोजेक्ट्स के माध्यम से दिखाए गए समकक्ष व्यावहारिक कौशल होने चाहिए। डिग्री से अधिक महत्वपूर्ण यह प्रमाण है कि आपने कम से कम एक मॉडल को डिप्लॉयमेंट तक पहुँचाया है और उसके बाद उसे चालू बनाए रखा है।

हम उन इंजीनियरों के लिए उपयुक्त हैं जिन्हें स्पष्ट परिणामों वाली छोटी, केंद्रित समस्याएँ पसंद हैं और जो गैर-तकनीकी सहकर्मियों के साथ मिलकर काम करने में सहज हैं। आपको हाइब्रिड तरीके से काम करने में सक्षम होना चाहिए, जिसमें सप्ताह का कुछ समय हैदराबाद में टीम के साथ बिताना होगा। यदि आपको किसी संपादक को कन्फ़्यूज़न मैट्रिक्स समझाने में उतना ही आनंद आता है जितना हाइपरपैरामीटर ट्यून करने में, तो हम आपसे सुनना चाहेंगे, भले ही आपका पिछला काम रिटेल, फ़िनटेक या मीडिया जैसे किसी अलग उद्योग में रहा हो।

आप कैसे आगे बढ़ेंगे

हमारे कंटेंट और ट्रैफ़िक डेटा में मशीन लर्निंग के लिए ज़िम्मेदार व्यक्ति के रूप में, आप तय करेंगे कि हम मॉडल कैसे बनाते, इवैल्युएट करते और मॉनिटर करते हैं। आप चुनेंगे कि कौन-सी समस्याएँ मॉडलिंग के योग्य हैं, हर एक के लिए 'पर्याप्त अच्छा' क्या है, और लॉन्च के बाद मॉडलों को सही बनाए रखने वाली मॉनिटरिंग डिज़ाइन करेंगे।

यह डेटा अपने आप में असामान्य है। त्योहारों के कैलेंडर चंद्र तिथियों पर चलते हैं, क्षेत्रीय परंपराएँ राज्यों और देशों में अलग-अलग होती हैं, और पाठक अंग्रेज़ी, हिंदी और तेलुगु के बीच आते-जाते रहते हैं। इन पैटर्न पर काम करने से आपकी फ़ीचर इंजीनियरिंग और फ़ोरकास्टिंग क्षमता ऐसे तरीकों से निखरेगी जो सामान्य डेटासेट शायद ही कर पाते हैं। आपका सीधा संपर्क उन लोगों से भी रहेगा जो आपके आउटपुट का उपयोग करते हैं, इसलिए आप अपने काम का प्रभाव जल्दी देख पाएँगे। समय के साथ, आप यह तय करने में मदद कर सकते हैं कि टीम एक्सपेरिमेंट ट्रैकिंग, डेटा वैलिडेशन और रीट्रेनिंग के लिए कौन-से टूल्स और तरीके अपनाए।

अपना आवेदन तैयार करना

• अपने द्वारा डिप्लॉय किए गए एक मॉडल का वर्णन करें, जिसमें डेटा स्रोत, फ़ीचर, इवैल्युएशन मेट्रिक और उसे कैसे सर्व किया गया, यह शामिल हो।
• बताएँ कि आपने उस मॉडल की निगरानी कैसे की और प्रदर्शन गिरने पर आपने क्या किया।
• कोई GitHub रिपॉज़िटरी या लेख साझा करें जो साफ़, रिप्रोड्यूसिबल ट्रेनिंग कोड दिखाए।
• यदि आपके पास फ़ोरकास्टिंग या रिकमेंडेशन का अनुभव है, तो तरीके और परिणामों का संक्षिप्त सारांश शामिल करें।
• पंक्तियों, फ़ीचर या रिक्वेस्ट के संदर्भ में आपने जिस पैमाने पर काम किया है, उसका उल्लेख बिना बढ़ा-चढ़ाकर करें।
• टेक्स्ट क्लासिफ़िकेशन या बहुभाषी डेटा से जुड़े किसी भी अनुभव का उल्लेख करें।
• एक ऐसा उदाहरण जोड़ें जहाँ आपने मॉडल का उपयोग न करने का निर्णय लिया, और बताएँ कि उसके बजाय आपने क्या उपयोग किया और क्यों।

इंटरव्यू से पहले

भारत में नियोक्ता उम्मीदवारों का आकलन कैसे करते हैं, इसकी व्यापक तस्वीर के लिए हमारा यह अवलोकन पढ़ें: मशीन लर्निंग इंजीनियर नौकरियाँ और उनके लिए आवश्यक कौशल। हमसे मिलने से पहले रैंकिंग और क्लासिफ़िकेशन के इवैल्युएशन मेट्रिक्स, टाइम-सीरीज़ फ़ोरकास्टिंग की मूल बातें और प्रोडक्शन में ड्रिफ्ट पहचानने के सामान्य तरीकों को दोहरा लें।

आवेदन कैसे करें

अपना अपडेटेड रिज़्यूमे साझा करें, जिसमें आपका प्रासंगिक अनुभव, मुख्य कौशल और आपके काम के लिंक हों, जैसे GitHub रिपॉज़िटरी, डिप्लॉय किए गए प्रोजेक्ट या तकनीकी लेख।

• कॉल / WhatsApp: +91-9666019191
• ऑनलाइन: हमारे हिंदूटोन संपर्क पेज का उपयोग करें, कारण में “Other” चुनें और अपना रिज़्यूमे संलग्न करें (PDF, अधिकतम 5 MB)
• विषय पंक्ति: Application for Machine Learning Engineer – Models and Pipelines

हिंदूटोन कभी कोई शुल्क नहीं लेता — न आवेदन के लिए, न इंटरव्यू के लिए और न ही जॉइनिंग के लिए। यदि कोई हिंदूटोन के नाम पर आपसे पैसे माँगे, तो भुगतान न करें और हमारे संपर्क पेज के माध्यम से इसकी सूचना दें।

अक्सर पूछे जाने वाले प्रश्न

क्या फ्रेशर्स मशीन लर्निंग इंजीनियर पद के लिए आवेदन कर सकते हैं?

इस पद के लिए ML मॉडल ट्रेन, इवैल्युएट और डिप्लॉय करने का अनुभव ज़रूरी है, इसलिए यह फ्रेशर भूमिका नहीं है। यदि आप हाल ही में स्नातक हुए हैं और आपने कोई मॉडल पहले ही डिप्लॉय करके उसके उपयोग की निगरानी की है, तो आप फिर भी आवेदन कर सकते हैं और वह प्रोजेक्ट साझा कर सकते हैं।

इस भूमिका के लिए हिंदूटोन कितना वेतन देता है?

वेतन प्रकाशित नहीं किया गया है। शॉर्टलिस्ट किए गए उम्मीदवारों के अनुभव और उनके डिप्लॉयमेंट कार्य की गहराई को ध्यान में रखते हुए उनसे इस पर चर्चा की जाती है। हिंदूटोन किसी भी चरण में किसी भी आवेदक से कभी कोई शुल्क नहीं लेता।

क्या मशीन लर्निंग इंजीनियर की नौकरी हाइब्रिड है?

हाँ। यह हैदराबाद, तेलंगाना में स्थित एक फुल-टाइम हाइब्रिड भूमिका है, यानी सप्ताह का कुछ समय आप हैदराबाद ऑफ़िस में टीम के साथ काम करेंगे और कुछ समय घर से।

आवेदन की अंतिम तिथि कब है?

आवेदन 30 नवंबर 2026 को बंद होंगे। हम प्रोफ़ाइल आते ही उनकी समीक्षा शुरू कर देते हैं, इसलिए स्पष्ट प्रोजेक्ट सारांश के साथ जल्दी आवेदन करने से आपके आवेदन को ध्यान से देखे जाने की सबसे अच्छी संभावना रहती है।

मैं इस पद के लिए आवेदन कैसे करूँ?

+91-9666019191 पर कॉल या WhatsApp करें, या हिंदूटोन संपर्क पेज के माध्यम से कारण में Other चुनकर अपना रिज़्यूमे भेजें, और विषय पंक्ति 'Application for Machine Learning Engineer – Models and Pipelines' रखें। किसी डिप्लॉय किए गए मॉडल के कोड या विवरण का लिंक भी शामिल करें।

मुझे किस तरह के मॉडलों पर काम करना होगा?

कंटेंट टैगिंग के लिए क्लासिफ़िकेशन मॉडल, संबंधित पेजों और मंदिरों के लिए रैंकिंग और रिकमेंडेशन मॉडल, तथा त्योहारों के मौसम में ट्रैफ़िक फ़ोरकास्टिंग पर काम की अपेक्षा रखें। आप वे पाइपलाइन और मॉनिटरिंग भी बनाएँगे जो लाइव होने के बाद इन मॉडलों को भरोसेमंद बनाए रखती हैं।

संबंधित करियर गाइड

• भारत में ML इंजीनियर नौकरियाँ 2026: कौशल, MLOps और करियर पथ
• भारत में फ्रेशर्स के लिए ML इंजीनियर नौकरियाँ 2026
• भारत में AI इंजीनियर नौकरियाँ 2026: कौशल, प्रोजेक्ट्स और नौकरी कैसे पाएँ
• हिंदूटोन में AI इंजीनियर की रिक्ति
• हिंदूटोन में जनरेटिव AI इंजीनियर की रिक्ति
• हिंदूटोन में LLM और RAG इंजीनियर की रिक्ति
• हिंदूटोन करियर हब

संपादक की टिप्पणी (17 अक्टूबर 2026)

यह हिंदूटोन की आधिकारिक नौकरी रिक्ति है। वेतन पर शॉर्टलिस्ट किए गए उम्मीदवारों से चर्चा की जाती है और यह यहाँ सूचीबद्ध नहीं है। यदि पद भर जाता है या बंद हो जाता है, तो यह पेज अपडेट कर दिया जाएगा।