В этот выпуск вошли пять свежих вакансий из сферы ИИ и машинного обучения. Ниже — не просто ссылки, а краткий разбор: чем занимается компания, что именно нужно делать, какие условия указаны и кому каждая роль подойдёт.
Руководящий инженер машинного обучения по безопасности контента — Roblox
Roblox ищет очень сильного специалиста высокого уровня для задач безопасности контента в Сан-Матео. Вилка здесь одна из самых заметных в подборке: от 295 до 345 тысяч долларов в год плюс доля в компании. Это роль не про поддержку готовой системы, а про техническое лидерство: нужно задавать направление, строить архитектуру модерации, собирать наборы данных с нуля и доводить модели до работы под высокой нагрузкой.
По описанию видно сочетание нескольких тяжёлых направлений сразу: анализ изображений, мультимодальные модели, языковые модели, экономные методы дообучения, сжатие моделей, обучение без разметки и с разметкой, собственные потоки данных и сервисы, которые должны принимать решения без заметной задержки. По сути это вакансия для человека, который умеет соединять исследовательскую глубину с инженерией больших пользовательских продуктов. Интересна она прежде всего тем, кто хочет влиять на безопасность огромной платформы, а не просто улучшать отдельную метрику модели.
Откликнуться: ссылка
Руководитель группы аналитики данных и ИИ-решений — UL
UL открыла управленческую вакансию в Великобритании с ориентиром на удалённую работу и гибкий график. Оценочная вилка — от 78 до 109 тысяч фунтов в год. Это уже не роль индивидуального разработчика: компания ищет руководителя одной или нескольких распределённых команд, который умеет доводить ИИ-инициативы до результата, а не просто обсуждать стратегию.
В задачах — постановка целей, контроль поставки, развитие людей, снятие организационных блокеров, согласование ожиданий с продуктовыми и инженерными командами, а также ответственное использование ИИ и управление качеством данных. Технический охват широкий: машинное обучение, автоматизация, эксплуатация моделей, платформы данных, обработка документов и агентные сценарии. Такая позиция подойдёт человеку, который уже руководил командами данных или ИИ и хочет работать на стыке бизнеса, архитектуры и операционного исполнения, а не сидеть только в модели или только в менеджменте.
Откликнуться: ссылка
Инженер по разговорному ИИ — Foundever
Foundever ищет удалённого инженера по разговорному ИИ с вилкой от 75 до 125 тысяч евро в год. Роль интересна тем, что она не ограничивается одними подсказками для моделей: здесь нужен человек, который сможет собрать прикладное решение целиком — от чат- и голосовых ботов до интеграций с внутренними системами компании.
В требованиях перечислены опыт серверной и прикладной разработки, работа с форматами обмена данными, базами данных, внешними интерфейсами, корпоративной авторизацией, распознаванием речи и синтезом речи. По обязанностям это смесь архитектуры и практической реализации: нужно строить ботов, подключать их к системам работы с клиентами, базам знаний, телефонии и внутренним сервисам, настраивать защитные ограничения, улучшать качество ответов через поиск по знаниям и следить за наблюдаемостью. Хороший вариант для инженера, которому интересен прикладной ИИ в корпоративной среде, где важны не только модели, но и надёжные интеграции.
Откликнуться: ссылка
Старший инженер машинного обучения платформы элементов — Canva
Canva открыла старшую удалённую вакансию внутри Австралии с вилкой от 140 до 155 тысяч австралийских долларов в год плюс доля в компании. Команда платформы элементов отвечает за системы, которые влияют на стиль и генерацию элементов и шаблонов внутри продукта, то есть работа идёт близко к сердцу контентной платформы Canva.
Ожидается полный цикл работы с моделями: данные, обучение, выкладка, мониторинг, эксперименты, анализ качества и задержек, а также плотное взаимодействие с исследовательскими и продуктовыми командами. Это роль для человека, который умеет смотреть на задачу целиком: не только обучить модель, но и удержать баланс между качеством, стоимостью и скоростью ответа. Из приятного — удалённый формат, гибкий отпуск, поддержка родителей, выплаты на благополучие и доля в компании. Сильный вариант для тех, кто хочет заниматься машинным обучением в большом продукте с массовой пользовательской базой.
Откликнуться: ссылка
Старший штатный инженер по большим языковым моделям — Nagarro
Nagarro ищет удалённого инженера высокого уровня по большим языковым моделям в Великобритании. Оценочная вилка — от 80 до 109 тысяч фунтов в год. Судя по описанию, компания хочет не просто встроить готовую модель, а строить на её основе боевые функции для уже масштабного продукта.
В обязанностях — серверная разработка и интерфейсы для программного обмена данными, системы поиска по знаниям с подстановкой контекста в ответ, многоагентные сценарии, серверы для подключения инструментов к моделям и оценка качества результатов. По требованиям особенно заметен сильный уклон в серверную инженерную работу: нужен человек с многолетним опытом разработки, практикой работы с языковыми моделями, событийными архитектурами, векторными базами и защитой сервисов. Интересная роль для инженера, который хочет заниматься именно инженерной стороной современных ИИ-систем, а не только экспериментами с моделями в изоляции.
Откликнуться: ссылка
Если смотреть на выпуск целиком, сегодня особенно заметны две линии. Первая — компании готовы хорошо платить за тех, кто умеет доводить ИИ до промышленной эксплуатации: безопасность, интеграции, надёжность, контроль задержек и качество данных важны не меньше самой модели. Вторая — рынок продолжает разводить роли на два полюса: либо очень сильные индивидуальные инженеры с редким техническим профилем, либо руководители, которые могут собрать вокруг ИИ полноценную команду и процесс.
Комментарии (2)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Зарплата здесь просто маркер того, насколько дорогим стал централизованный контроль над тем, что пользователи вообще увидят на платформе. Если такие модели начнут ошибаться системно, последствия разойдутся не как один инцидент, а как новая норма модерации, которую почти никто снаружи не сможет разобрать по шагам.
Хочется увидеть, какой у них набор контрольных сценариев для модерации: сарказм, смешанные форматы, пограничный контент, каскады ложных срабатываний после обновления модели. Без воспроизводимого регресса даже сильная архитектура быстро начинает чиниться по жалобам пользователей.