Сегодняшняя подборка небольшая, но очень прикладная: почти в каждой роли от кандидата ждут не разговоров про ИИ, а умения довести систему до полезного результата — в промышленности, антифроде, геоданных или внутренних агентных контурах. Ниже — все пять вакансий по сути, со стеком, деньгами и тем, кому каждая из них действительно подходит.

Инженер по прикладному машинному обучению — Ohm

Ohm ищет инженера по прикладному машинному обучению в Сан-Франциско для работы над корпоративной платформой ИИ для инженерных команд, которые создают физические продукты. По смыслу это роль на стыке разработки, анализа данных и прикладной математики: компания хочет улучшать создание и проверку батарей, электромобилей, носимой электроники и другой техники, превращая шумные инженерные данные в рабочие модели.

От кандидата ждут минимум 3 года опыта в анализе данных, машинном обучении или прикладном ИИ, умение вести задачу от постановки и эксперимента до внедрения и поддержки, опыт с поиском аномалий или оптимизацией в промышленной среде, работу с облачной инфраструктурой и сложными временными рядами. Плюсом называют опыт с агентами и автономными системами. По сути это вакансия для сильного универсала, которому интересно не просто обучать модель, а разбираться в реальных производственных процессах. Минус очевидный: похоже на стартап, где придётся одновременно тянуть исследование, продукт и общение с заказчиком.

Откликнуться: ссылка

Инженер машинного обучения — Sift

Sift ищет инженера машинного обучения в Сан-Франциско с вилкой $140,000-$190,000. Это уже не роль про демонстрационные сценарии, а тяжёлая прикладная работа на антифроде: строить полные конвейеры, обучать отдельные модели под конкретных клиентов и выдавать предсказания с низкой задержкой из потоковой телеметрии.

Требования здесь очень конкретные: 4+ года внедрения моделей в нагруженные боевые системы, Java или Scala для серверной части, Python для прототипов, Databricks, Spark, Flink или Hadoop, нереляционные хранилища вроде Bigtable, а также хорошая статистическая база — градиентный бустинг, случайные леса, нейросети и кластеризация. Kafka, Docker и Kubernetes идут как приятный бонус. Для инженера, которому нравится риск, мошенничество и работа на масштабе, это одна из самых содержательных вакансий в подборке. Для тех, кто хочет тихо сидеть только в ноутбуке с моделями, наоборот, может оказаться слишком инфраструктурной.

Откликнуться: ссылка

Исследователь ИИ — Shell

Shell открыла вакансию исследователя ИИ в Амстердаме для своей цифровой команды, которая работает над задачами энергетического перехода. По описанию это прикладная исследовательская роль вокруг геопространственных данных: крупные эксперименты, быстрые прототипы и новые архитектуры моделей, которые помогают извлекать практические выводы о Земле и искусственной среде для более эффективной энергетики.

Нужен кандидат с докторской степенью или сильной магистратурой в количественной области, опытом геопространственных конвейеров ИИ, агентных систем для пространственного рассуждения, самообучения в компьютерном зрении и многомодальных либо пространственно-временных моделях. В списке инструментов — PyTorch, TensorFlow, Keras, Python, QGIS, GeoPandas, TorchGeo, облака и обычная работа в Unix. Вакансия выглядит интересно для исследователя, который хочет, чтобы его работа доходила до промышленного применения, а не оставалась только в статье. Но есть важная оговорка прямо в тексте: у роли уже может быть предпочтительный кандидат, так что рассчитывать на абсолютно открытую конкуренцию не стоит.

Откликнуться: ссылка

Инженер ИИ — Salt

Salt ищет инженера ИИ в Нью-Йорке на постоянную гибридную работу с вилкой $170,000-$220,000, бонусом и соцпакетом. Это роль для человека, который уже умеет собирать прикладные системы на больших языковых моделях: приложения на их основе, поиск по внутренним данным с подстановкой контекста, интеграции с корпоративными API, автоматизация рабочих процессов, настройка подсказок и развёртывание в Azure или AWS.

По стеку всё довольно ожидаемо, но хорошо очерчено: сильный Python, коммерческий опыт в искусственном интеллекте и машинном обучении, LangChain или LangGraph, векторные базы вроде Pinecone, Weaviate, Chroma или pgvector, работа с базами данных, интерфейсами API, Docker, Kubernetes, непрерывной интеграцией и системой контроля версий Git. В плюсах — Azure AI, Databricks, Spark, MLflow, Azure ML и FastAPI. Это хорошая вакансия для инженера, который уже прошёл этап первых экспериментов и теперь хочет отвечать за действительно боевую разработку на больших языковых моделях. Главный нюанс — это не удалёнка, а именно гибридный формат, так что свободы по месту жизни здесь меньше, чем в некоторых других ролях рынка.

Откликнуться: ссылка

Прикладной инженер ИИ — Azimuth Partners

Azimuth Partners опубликовала в Лос-Анджелесе вакансию прикладного инженера ИИ, и по духу это одна из самых интересных ролей дня для тех, кому нравится высокая ответственность. Компания пишет, что у неё уже есть исследовательские агенты, циклы доработки, процессы поиска кандидатов и внутренняя система управления отношениями с клиентами, а теперь нужен человек, который превратит этот набор инструментов в устойчивую внутреннюю платформу.

На практике это означает агентные среды выполнения, подключение инструментов, оценку качества, журналирование, интеграции с системой управления отношениями с клиентами и контуры проверки человеком. В требованиях — 3+ года промышленной разработки, личный опыт с рабочими процессами на основе больших языковых моделей, поиском по базе знаний и оценкой качества результатов; плюсом будут собственный запуск моделей, системы учёта клиентов или кандидатов и оркестрация нескольких агентов. Для сильного инженера это шанс получить очень широкую зону влияния и строить не отдельную функцию, а весь внутренний контур. Одновременно это и главный риск: роль выглядит очень широкой, и человеку придётся отвечать сразу за надёжность, безопасность и полезность целого семейства внутренних систем.

Откликнуться: ссылка