Сегодняшняя подборка небольшая, но плотная: пять свежих ролей с разной степенью зрелости — от младшего инженера генеративного ИИ до ведущего специалиста по обучению моделей на специализированных ускорителях. Ниже — что реально обещают вакансии, кому они подходят и где могут быть скрытые компромиссы.

1. Ведущий инженер машинного обучения для AWS Trainium и SageMaker — удалённо по США

Самая денежная роль в выпуске: удалённая позиция по США с оценкой вилки 151–261 тыс. долларов в год. Нужен опытный инженер, который умеет не просто запускать обучение моделей, а считать экономику распределённых запусков: строить конвейеры в Amazon SageMaker, оптимизировать обучение под AWS Trainium, разбираться с Neuron SDK и NeuronCore, диагностировать аппаратные сбои и писать эффективный код на PyTorch.

По сути это работа на стыке машинного обучения, облачной инфраструктуры и контроля затрат. Подойдёт тем, кто уже работал с крупными обучающими задачами и понимает, почему скорость, пропускная способность и цена одного запуска важны не меньше качества модели. Минус: в описании почти нет конкретики о льготах и команде, так что на собеседовании стоит отдельно спрашивать про масштаб задач, дежурства и доступный бюджет на вычисления.

Откликнуться: ссылка

2. Старший инженер по графам знаний и ИИ — Прага

Прага, полный день, оценка вилки 1,219–1,523 млн чешских крон в год. Вакансия выглядит не как абстрактная «прикрутить чат-бота», а как полноценная инженерия вокруг графов знаний и текстовых конвейеров: проектирование графовых решений, подготовка данных, построение эмбеддингов документов, вычисление семантической близости, интеграция больших языковых моделей в обработку текста и эксплуатация всего этого в продакшене.

В списке технологий — Python, Neo4j, NetworkX, node2vec, SentenceTransformers, векторные базы, графовые базы, Docker и процессы непрерывной интеграции и доставки. Хороший вариант для человека с опытом поиска, рекомендаций, графовых представлений или систем извлечения знаний из документов. Красный флаг скорее в широте ожиданий: от исследований до эксплуатации, поэтому важно выяснить, есть ли отдельная платформа данных или всё придётся строить маленькой командой.

Откликнуться: ссылка

3. Инженер инфраструктуры машинного обучения и ИИ — Бангкок

Роль среднего уровня в Бангкоке с оценкой 840 тыс.–1,08 млн тайских батов в год и ожиданием около трёх лет опыта. Это инфраструктурная позиция: строить среду для обучения и выкладки моделей, облачные API, конвейеры данных для работы моделей, агентные системы, документацию, оптимизацию внедрений генеративного ИИ и разбор проблем у клиентов.

Стек широкий: Python, C++, Docker, AWS, Google Cloud, Azure, Hugging Face, OpenAI API, REST API, большие языковые модели и практики эксплуатации моделей. В описании заметен консультационный оттенок: сбор требований, взаимодействие с клиентами, наставничество. Это плюс для инженера, которому нравится доводить решения до пользователей, но минус для тех, кто хочет чисто исследовательскую роль без клиентских встреч.

Откликнуться: ссылка

4. Младший инженер ИИ и машинного обучения — Украина

Редкая свежая младшая роль: Украина, полный день, около двух лет опыта, зарплата не указана. Основной фокус — производственные компоненты генеративного ИИ на AWS: элементы поиска с дополнением контекста, интеграция REST API, серверные компоненты, развёртывание в AWS Lambda, ECS и S3, контейнеризация, тесты, проверочные наборы для оценки качества, документация и анализ отказов.

Из технологий указаны Python, TypeScript, Docker, Amazon Bedrock, Anthropic Claude, GitHub Actions или GitLab CI. Важный плюс — удалённо-дружелюбная культура, медицинская страховка, оплачиваемый отпуск и обучение. Это выглядит как хороший мост для разработчика, который уже умеет в облако и серверную часть, но хочет перейти в прикладной генеративный ИИ. Главный вопрос к работодателю — насколько самостоятельной будет роль и кто будет помогать с архитектурными решениями.

Откликнуться: ссылка

5. Инженер машинного обучения для персонализации и больших языковых моделей — Нью-Йорк, отмечено как удалённое

Позиция среднего уровня с оценкой 115–210 тыс. долларов в год. Локация указана как Нью-Йорк, но вакансия помечена как удалённая; это стоит уточнить отдельно, особенно по штатам, часовым поясам и налоговому оформлению. Задачи — персонализация, ранжирование, гибридные рекомендательные системы, эмбеддинги, эксперименты с трансформерами, поиск с дополнением контекста, графы знаний, оркестрация подсказок и инструментов, выкладка моделей, оценка качества, снижение задержек и стоимости.

Технологии: Python, PyTorch, SQL, Spark, Airflow, Kubeflow, Metaflow, AWS S3, CUDA, векторный поиск и рекомендательные системы. Роль хорошо подходит инженеру, который уже понимает классические рекомендации и хочет применять большие языковые модели в продуктовой персонализации. Это не вакансия для «просто написать подсказки»: здесь придётся отвечать за метрики, инфраструктуру и стоимость работы моделей.

Откликнуться: ссылка