Свежая подборка с упором на инженерные роли вокруг ИИ, агентных систем, машинного обучения и производственной инфраструктуры. Сегодня в списке есть две полностью удалённые позиции, один контракт и две роли с жёсткой привязкой к офису.

Инженер по моделированию производительности ИИ-железа — Пало-Альто, $140–390 тысяч

Это старшая инженерная роль на стыке программного обеспечения и архитектуры вычислителей для ИИ. Компания в публичном превью не раскрыта, зато диапазон зарплаты очень широкий: от $140K до $390K в год. Формат, судя по описанию, офисный в Пало-Альто, поэтому это не вариант для тех, кто ищет удалёнку.

По сути, человек будет помогать понимать, как будущие ускорители ведут себя на реальных нагрузках: собирать наборы тестовых задач, строить модели производительности, анализировать реализации алгоритмов машинного обучения, искать узкие места, проверять архитектурные компромиссы и работать рядом с системными архитекторами. Нужны C++ или C#, Python, PyTorch или JAX, понимание трансформеров, работы нейросетей, ускорителей машинного обучения, микроархитектуры центральных и графических процессоров, симуляции, профилирования и анализа баланса мощности, скорости и площади кристалла.

Интересно тем, кто любит низкий уровень и хочет влиять на железо, а не только писать сервисы поверх готовых моделей. Плюсы — высокая вилка и стандартный пакет льгот: медицинская, стоматологическая и офтальмологическая страховка, пенсионная программа с матчингом, транспортные льготы, оплачиваемые праздники и больничные, гибкие расходные счета, резервный уход за детьми и программа помощи сотрудникам. Главный минус очевиден: офисный формат и высокая планка по аппаратной экспертизе.

Откликнуться: Foorilla

Главный инженер по агентному ИИ — Гуруграм, 2,5–5 млн рупий

Здесь ищут principal-уровень для платформенной роли по агентным системам. Работодатель в открытом превью тоже скрыт, но круг задач описан подробно: определить практики проектирования подсказок и оценки качества, строить конвейеры работы больших языковых моделей и поиска по базе знаний, оркестрировать многоагентные процессы, делать переиспользуемые ИИ-компоненты и SDK, задавать инженерные стандарты платформы и переводить бизнес-требования в технические решения.

Технологическая сторона широкая: Python, Vertex AI, GCP, BigQuery, Databricks, Kubernetes, Kubeflow, MLflow, микросервисы, REST API, наблюдаемость, мониторинг, версионирование моделей, агентные фреймворки и многоагентная оркестрация. Отдельно упоминаются безопасность, приватность, соответствие требованиям, управление и контроль, а также ответственное использование ИИ.

Это похоже на роль для человека, который уже видел несколько поколений ИИ-платформ и может быть не только сильным разработчиком, но и техническим арбитром для команды. Вилка оценивается в 2,5–5 млн рупий в год. Льготы не указаны, а формат выглядит привязанным к Гуруграму, так что для удалённого кандидата это слабее, чем для локального лидера.

Откликнуться: Foorilla

Старший staff-инженер по генеративному ИИ — удалённо из Индии, 2–5 млн рупий

Самая удобная для удалёнки позиция в индийской части подборки: senior/staff-уровень, полный день, удалённый формат по Индии и оценочная вилка 2–5 млн рупий. Компания в превью не названа, но работа выглядит как полноценная генеративная платформа: архитектура систем на базе генеративного ИИ, агентные системы, сервисы на FastAPI, развёртывание и настройка в Azure или AWS, оценка моделей, дообучение и дистилляция, поиск по базе знаний, векторные базы, интеграция обычных баз данных и разбор производственных инцидентов.

В стеке указаны Python, PyTorch, TensorFlow, Hugging Face Transformers, LangChain, LangGraph, LangSmith, LlamaIndex, Weaviate, Neo4j, Snowflake Cortex, Azure AI Foundry, AWS, SQL и pandas. Это скорее роль для человека, который умеет доводить прототипы до продакшена: выбрать архитектуру, собрать конвейер, измерить качество, отладить падение и объяснить команде, почему система ведёт себя именно так.

Сильная сторона вакансии — хороший набор современных инструментов и удалённый формат. Слабое место — в описании не видно льгот и названия компании, поэтому перед откликом стоит отдельно проверить зрелость команды, ожидания по нагрузке и кто отвечает за поддержку в продакшене.

Откликнуться: Foorilla

Инженер машинного обучения — удалённо, $131–177 тысяч

Это мидл-позиция для прикладного машинного обучения: полный день, удалённый формат и оценочная вилка $131K–177K. Название работодателя в публичной карточке скрыто, но задачи понятны: превращать бизнес-задачи в задачи данных, проводить исследовательский и статистический анализ, строить статистические модели и модели машинного обучения, проектировать и внедрять системы машинного обучения, развивать масштабируемые производственные сервисы, а потом следить за их качеством и поддерживать их.

В требованиях видны Python, TensorFlow, scikit-learn, H2O, Spark MLlib, распределённые системы, API, конвейеры данных и глубокое обучение. Также указан диплом магистра или доктора наук. Это не чистая исследовательская роль, а скорее производственное машинное обучение: данные, модели, сервисы, мониторинг и постепенное улучшение.

Хороший вариант для кандидата, который уже умеет соединять статистику, инженерную дисциплину и эксплуатацию моделей. Стоит уточнить, насколько жёстко требуют академическую степень и что именно скрывается за «удалённо»: страны, часовые пояса и юридический формат могут сильно повлиять на реальную доступность вакансии.

Откликнуться: Foorilla

AI/ML-инженер — удалённый контракт, $100–150 тысяч

Пятая вакансия — контрактная роль среднего уровня с удалённым форматом и оценкой $100K–150K. Компания не раскрыта, поэтому это больше кандидат на аккуратную проверку, чем слепой отклик. Задачи классические для производственного машинного обучения: строить конвейеры данных, выбирать и обучать модели, заниматься признаками и настройкой гиперпараметров, разворачивать модели в продакшене, подключать их к продукту, следить за качеством, поддерживать данные в порядке и документировать процессы.

Стек широкий: Python, PyTorch, TensorFlow, scikit-learn, R, Java, Spark, Hadoop, Kafka, Docker, Kubernetes, AWS, Azure, GCP, компьютерное зрение и обработка естественного языка. Это может быть интересная роль для инженера-универсала, который спокойно переключается между данными, моделями, инфраструктурой и интеграцией.

Плюсы — удалёнка, профессиональный рост и постоянное обучение. Красные флаги — контрактный формат и скрытый работодатель: до согласия на интервью стоит выяснить длительность контракта, продление, оплату простоев, ожидания по часовым поясам и кто владеет результатами работы.

Откликнуться: Foorilla