В этой подборке — восемь свежих вакансий с AI Jobs: от удалённой прикладной работы в машинном обучении и кибербезопасности до продуктовых и исследовательских ролей рядом с LLM и агентными системами. Ниже — что именно делает компания, что ждут от кандидата и кому такая роль подойдёт.
1. Старший инженер машинного обучения по клиентским решениям — AZX
AZX — прибыльная компания с общественно полезной миссией, которая делает физически обоснованные решения на базе машинного обучения и корпоративные системы на базе AI для задач в климате, энергетике и инфраструктуре. Роль полностью удалённая по США и очень прикладная: от поиска и очистки данных до построения моделей, оценки качества, развёртывания по расписанию, мониторинга и настройки повторного обучения моделей в окружении клиента.
По требованиям это сильная роль для опытного специалиста: нужен опыт от пяти лет в промышленном машинном обучении, Python 3.12+, pandas или polars, DuckDB, scikit-learn, statsmodels, градиентный бустинг, SQL, Postgres с TimescaleDB и PostGIS, FastAPI, немного React и TypeScript, Docker и базовые AWS или Azure. Вилка — $140k–225k плюс бонус и доля в компании. Плюс в том, что здесь важна не только реализация, но и умение честно сказать заказчику, когда машинное обучение вообще не нужно — хороший выбор для инженера, который любит прикладную пользу, а не бесконечные демонстрации.
Откликнуться: ссылка
2. Аналитик исследовательских систем — Censys
Censys ищет опытного специалиста на стыке разведки угроз и платформенной инженерии. Команда ARC строит конвейеры статического и динамического анализа файлов, системы обогащения индикаторов и графовые модели связей между вредоносами, инфраструктурой и атакующими группами. Формат — удалённо.
Нужны шесть и более лет в инженерии конвейеров данных для безопасности или в построении систем обнаружения, сильные Python и/или Go, опыт с YARA, песочницами вроде Cuckoo или CAPE, Kafka либо RabbitMQ, Elasticsearch, S3, Docker, Kubernetes и облаками AWS, GCP или Azure. Компенсация сильная: $190k–240k для дорогих регионов США и $170k–220k для остальных, плюс бонус и доля. Это роль для людей, которым интереснее строить реальные исследовательские системы безопасности, чем просто поддерживать отчётность.
Откликнуться: ссылка
3. Опытный создатель продуктов на базе AI и инженер — Converteo
Converteo развивает североамериканское направление корпоративного консалтинга по AI и ищет опытного специалиста в Нью-Йорке на пересечении продуктового дизайна, интерфейсов и быстрого прототипирования с помощью AI. Это гибридная роль с трудоустройством по договору США, без визового спонсорства. Основная задача — быстро собирать решения с нуля, доводить 4–5 текущих демонстраций до премиального качества и за первые 90 дней выпустить ещё несколько новых.
Компания прямо просит опыт с Figma, дизайн-системами и помощниками для программирования на базе AI вроде Cursor, Claude Code, v0, Bolt и Replit, а также понимание того, как проектировать интерфейсы для продуктов на базе LLM с недетерминированным поведением. Вилка — $135k–185k, есть оплачиваемый отпуск, зимние выходные, летние сокращённые пятницы и софинансирование пенсионного плана. Хорошая вакансия для человека, который одинаково уверенно чувствует себя и в интерфейсах, и в быстрых прототипах на базе AI.
Откликнуться: ссылка
4. Студенческая позиция инженера прикладного AI на весну 2027 — GE Aerospace
GE Aerospace открыл удалённую студенческую позицию на весну 2027 года. Это полноценная занятость для студентов, где с первого дня можно строить реальные решения на базе AI и данных для инженерных задач в аэрокосмике. Формально роль рассчитана на тех, кто ещё учится на бакалавриате по информатике, аэрокосмической, механической или близкой специальности и держит средний балл не ниже 3.7.
Из навыков хотят Python, C#, C++, SQL, опыт с машинным обучением, LLM и компьютерным зрением, знакомство с AWS или Azure и готовность делать прототипы, архитектуру, демонстрации и решения, ориентированные на боевое применение. Оплата начинается от $20 в час и растёт вместе с курсом обучения; обещают наставничество, заметную самостоятельность, поездки и шанс на предложение остаться. Отличный вход для сильного студента, который хочет попасть в прикладной AI не через игрушечные задачи, а через сложную инженерную среду.
Откликнуться: ссылка
5. Начинающий инженер по AI — Nuvo
Nuvo в Сан-Франциско строит продукты для цифровизации большого рынка торговли между компаниями и платежей и ищет начинающего инженера по AI на постоянную работу. Команда делает продукты с нуля, где нужно масштабировать агентов на базе AI и многоагентные рабочие процессы для кредитного скоринга, взыскания и платёжных операций, а также запускать агентов на больших массивах данных.
От кандидата ждут сильную базу по информатике, практический опыт с современным машинным обучением или LLM через учёбу, исследования, стажировки или личные проекты, а также аккуратность с оценкой качества и защитными ограничениями. Зарплата не раскрыта, но вакансия интересна тем, кто хочет рано попасть в среду, где агентные функции сразу превращают в рабочий продукт, а не держат на уровне красивых демонстраций.
Откликнуться: ссылка
6. Старший инженер по AI — Finastra
Finastra нанимает старшего инженера по AI в Атланте для проектирования, реализации и развёртывания решений на базе больших языковых моделей внутри крупной платформы финансового программного обеспечения. По описанию это скорее прикладная корпоративная разработка на базе AI, чем чистая исследовательская работа: важен переход от идеи к рабочему внедрению внутри зрелой инфраструктуры.
По видимым сигналам ищут человека с сильным опытом в разработке на базе AI, практикой работы с LLM, системным проектированием и внедрением в реальной среде. Зарплата не указана, удалённый формат не обещан. Такая роль подойдёт тем, кто хочет строить полезные функции в крупной компании, а не жить в постоянной гонке раннего стартапа.
Откликнуться: ссылка
7. Инженер по искусственному интеллекту — Griot, Inc.
Griot в районе Нью-Йорка ищет инженера по AI для ранней команды, которая строит системы речевого интеллекта для языковых сред, где устная речь важнее письменной. По опубликованным деталям это роль с очень широкой зоной ответственности: фактически владение ключевой архитектурой речевых моделей и стратегией их вывода в рабочую среду.
Акцент идёт на речевой интеллект, архитектуру моделей, развёртывание и стартапный режим с высокой самостоятельностью, а не на узко заданный корпоративный стек. Компенсация и удалённый формат в открытом фрагменте не раскрыты. Вакансия выглядит особенно сильной для инженера, который хочет совмещать техническую глубину, миссию и влияние на базовый продукт.
Откликнуться: ссылка
8. Исследовательский инженер по конвейеру сбора данных — Anthropic
Anthropic ищет в Сан-Франциско исследовательского инженера, который будет улучшать конвейер предобучающих данных для передовых моделей. Судя по описанию, это работа ближе к инфраструктуре обучения моделей: крупномасштабный сбор данных, веб-краулинг, эксперименты и исследование качества данных, а не продуктовые функции поверх уже готовой модели.
От кандидата ждут опыта в исследовании данных, проектировании экспериментов и анализе результатов, знакомства с веб-краулерами или другими крупными системами сбора данных и умения совмещать исследовательскую и инженерную работу. Зарплата не показана, удалённый формат не просматривается. Хороший вариант для тех, кто хочет работать ближе к фундаменту крупных моделей, а не к пользовательскому интерфейсу.
Откликнуться: ссылка
Если смотреть на подборку целиком, самые сильные по соотношению денег, технической глубины и внятности ожиданий здесь — AZX, Censys и Converteo. Для входа в рынок лучше всего выглядит GE Aerospace, а для людей, которым важна близость к базовой инфраструктуре моделей, отдельно выделяется Anthropic.
Комментарии (3)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Набор из DuckDB, PostGIS, FastAPI и немного React выглядит как реальная прикладная роль, а не вакансия-корзина под всё подряд. Тут сразу хочется понять, насколько у них стандартизованы развёртывание и повторное обучение по клиентам: без этого такой стек быстро превращается в ручную сборку под каждый проект.
Хорошее замечание: стек тут выглядит взрослым ровно до того момента, пока не выясняется, что всё держится на ручной кастомизации под каждого клиента. Если у AZX есть повторяемый контур развёртывания и обновления моделей, это сильная вакансия; если нет, новый инженер действительно унаследует не платформу, а конструктор из исключений.
Да, именно повторяемость здесь и отделяет платформу от набора разовых подвигов. Если под каждого клиента нужно заново руками собирать выкладку, данные и обновление модели, новый инженер очень быстро станет дежурным по исключениям, а не человеком, который масштабирует систему.