В свежей подборке — шесть новых ролей для инженеров и исследователей, которые хотят работать с ИИ не на уровне красивых демо, а в тяжёлых прикладных системах: от обучения моделей на гигантских кластерах до медицинских внедрений, спортивной видеоаналитики и компьютерного зрения для защиты от дронов. Ниже — что именно предлагают компании, кому это подойдёт и на что стоит смотреть внимательнее.

Инженер Helix AI по производительности обучения — Figure

Figure из Сан-Хосе строит автономных гуманоидных роботов и ищет инженера, который будет ускорять и стабилизировать обучение моделей на действительно редком масштабе: 100B+ параметров и кластеры на 100k+ GPU. Здесь работа не про прикладной продуктовый слой, а про саму механику обучения: выбор архитектуры ускорителей, топологии кластера, планировщика задач и доработку собственных ядер на Triton и CUDA.

По требованиям это вакансия для очень сильного системного ML-инженера: нужны глубокое понимание архитектуры GPU, NCCL, RDMA, NVLink, InfiniBand или RoCE, уверенные Python и CUDA/C++, опыт профилирования через Nsight и PyTorch Profiler, а также умение разбираться с нехваткой памяти, отстающими узлами и численной нестабильностью. Плюсом будут вклады в PyTorch, Megatron-LM, DeepSpeed, vLLM или JAX. Базовая вилка — $200k–$400k в год. Это отличный вариант для тех, кому интереснее фундамент скорости и надёжности обучения, чем очередная обвязка вокруг API.

Откликнуться: ссылка

Исследовательский инженер по ИИ — BluePill AI

BluePill AI — сидовый стартап из Сиэтла с раундом $6 млн от Ubiquity Ventures и Pioneer Square Labs. Компания делает цифровых двойников аудиторий для маркетинговых исследований и обещает близость к человеческим панелям по качеству реакции. Самое важное здесь то, что роль не сводится к использованию чужих моделей через API: инженеру предстоит работать с весами, обучением и выравниванием собственных систем.

В описании прямо названы SFT, DPO, PEFT, RLHF и LoRA, а также масштабирование распределённого обучения и перенос идей из статей в продукт. Это редкая удалённая роль для человека с сильным исследовательским уклоном, который хочет не только читать про посттренировку моделей, но и реально влиять на неё в маленькой автономной команде. Зарплата не раскрыта, зато по содержанию это одна из самых интересных удалённых позиций в подборке.

Откликнуться: ссылка

Инженер по ИИ — Reid Health

Reid Health открыл позицию инженера по ИИ в Ричмонде, штат Индиана, и это хороший пример того, как выглядит не лабораторный, а встроенный в реальные процессы AI. Инженеру предстоит внедрять решения в медицинскую и операционную среду: работать с Epic Agent Factory, Epic Cognitive Computing, Azure AI Foundry, Microsoft Fabric, Power BI и Abridge для фоновой документации разговоров.

На практике это сочетание Python-разработки, интеграции моделей через REST и HL7/FHIR, построения конвейеров данных и озера данных в Fabric, проектирования цепочек подсказок, мониторинга моделей и соблюдения требований ответственного использования ИИ с учётом HIPAA. Ищут человека с сильными Python и SQL, знанием Pandas, scikit-learn, PyTorch, NLP, векторных баз и поиска с опорой на базу знаний. Если вам интересен AI в среде, где цена ошибки высока, а требования к качеству и соответствию особенно жёсткие, вакансия выглядит сильной.

Откликнуться: ссылка

Старший инженер по данным и ИИ — Meadows & Ohly

Meadows & Ohly работает в сегменте сервисов для медицинской недвижимости и ищет старшего инженера по данным и ИИ в Альфаретте, штат Джорджия. Здесь акцент на платформенной работе: развитие корпоративной платформы данных на Snowflake, построение ETL- и ELT-конвейеров, запуск AI-приложений с поиском по базе знаний и интеллектуальным поиском, а также контроль качества данных, наблюдаемости, управления и производительности.

От кандидата ждут не менее пяти лет опыта с корпоративными платформами данных, сильные Snowflake, SQL и Python, понимание облачной архитектуры данных, LLM, поиска по базе знаний и векторного поиска. Дополнительный плюс — опыт в регулируемых отраслях вроде здравоохранения. Зарплата не указана, но роль выглядит хорошей для инженера, который хочет быть ближе к устойчивой платформе и бизнес-процессам, а не только к прототипам вокруг моделей.

Откликнуться: ссылка

Инженер спортивного компьютерного зрения — SumerSports

SumerSports ищет удалённого по США инженера компьютерного зрения с вилкой $165k–$200k и бонусом. Компания делает видеоаналитику для спорта: распознавание игроков и мяча, отслеживание множества объектов, позы и ключевые точки, распознавание игровых событий и анализ с нескольких ракурсов. Это не только исследование, но и доведение моделей до реальной поставки в продукт.

В стеке названы Python, PyTorch, DDP, FFmpeg, Triton и TorchServe; плюсом будут WebDataset, пакетная обработка на GPU и практики MLOps. Отдельно выделены абляции, разбор ошибок, метрики качества отслеживания и устойчивость работы в пакетном и потоковом режимах. Хороший вариант для инженера компьютерного зрения, который хочет прикладные задачи без оборонного контекста и с понятными бонусами: удалёнка, 401(k), безлимитный отпуск и дополнительные выходные.

Откликнуться: ссылка

Инженер компьютерного зрения — ZeroMark

ZeroMark нанимает инженера компьютерного зрения в Нью-Йорке для систем противодействия дронам. По сути это роль на стыке компьютерного зрения и оборонных задач: обнаружение и сопровождение воздушных целей, работа с полевыми испытаниями и оптимизация моделей по точности, задержке и работе в реальном времени.

Требуются MSc или PhD по компьютерному зрению или близкой области, минимум два года опыта в задачах распознавания и отслеживания объектов, сильные Python и C++, а также практический опыт с OpenCV, TensorFlow и PyTorch. Плюсом будут дроны, UAV, радары, LIDAR, трёхмерное восприятие и вычисления на устройстве или в облаке. Зарплата не раскрыта, но обещаны доля в компании и льготы. Вакансия может быть очень привлекательной по сложности задач, хотя оборонный уклон здесь стоит оценивать заранее как важный личный фильтр.

Откликнуться: ссылка

В этой подборке особенно выделяются две крайности рынка: с одной стороны — роли, где нужен почти исследовательский уровень владения обучением и инфраструктурой моделей, с другой — позиции, где ИИ уже встроен в медицину, данные или спортивный продукт и требует не шума вокруг технологии, а аккуратной инженерной доставки. Если вы сейчас нацелены на смену работы, имеет смысл смотреть не только на слово AI в названии, но и на то, где именно у компании самая трудная часть задачи: в вычислительной инфраструктуре, данных, прикладной интеграции или качестве компьютерного зрения.