Сегодня короткий, но содержательный выпуск: две разные по характеру вакансии, каждая со своим сильным сигналом о том, куда сейчас двигается рынок ИИ-работ. Одна — про надёжные прикладные системы машинного обучения в продукте с десятками миллионов пользователей, другая — про исследовательскую работу над агентным поведением и мультимодальными сценариями.

Инженер машинного обучения II — CLEAR

CLEAR строит инфраструктуру защищённой цифровой идентичности и уже работает на масштабе более 38 миллионов пользователей. Эта роль в Нью-Йорке выглядит как позиция для инженера, который умеет не просто обучать модель, а доводить прикладные решения до рабочего состояния в чувствительном к ошибкам продукте: документы и изображения, распознавание мошенничества, конвейеры данных, признаки, развёртывание и последующий мониторинг.

По жёстким фактам вакансия выглядит сильно: совокупная компенсация указана на уровне $180k–$220k, в неё входят база и пакет акций, а в явном стеке перечислены Python, Postgres, Snowflake, dbt, AWS SageMaker и MLflow. От кандидата ждут минимум три года опыта построения и масштабирования систем машинного обучения полного цикла для потребительских продуктов, а приватность и безопасность прямо названы ключевыми ограничениями, что обычно означает высокий стандарт инженерной аккуратности.

Мой вывод: это хороший вариант для инженера, которому интереснее реальные продуктовые последствия модели, чем академическая новизна ради новизны. Но стоит сразу учитывать важную деталь для любителей полной удалёнки: роль помечена как офисная, то есть формат, судя по описанию, привязан к Нью-Йорку.

Откликнуться: ссылка

Исследовательский инженер по агентным системам — Mirage

Mirage ищет исследовательского инженера по агентным системам — тоже в Нью-Йорке, но уже с вилкой $175k–$275k. Если роль в CLEAR про эксплуатационную надёжность и прикладное машинное обучение, то здесь ставка на следующий слой: как заставить большие языковые модели планировать, пользоваться инструментами, удерживать структуру вывода и вообще вести себя как полноценные агенты в мультимодальных творческих задачах.

Из описания видно, что работа будет глубоко исследовательской, но с прямым выходом в продукт: нужно строить цепочки полного цикла, придумывать новые обучающие цели и наборы данных, дообучать модели под структурированный вывод и разбирать сбои на всём маршруте — от планирования до исполнения. В требованиях отдельно подчёркнуты сильное понимание трансформеров и современных подходов к большим языковым моделям, а также опыт дообучения, настройки поведения модели и послетренировочной доработки.

Для кандидата это, пожалуй, один из самых интересных типов ролей на стыке исследований и практики: не просто добавить большую языковую модель в продукт, а реально улучшать качество агентного поведения там, где ошибки сразу заметны пользователю. Обратная сторона очевидна: это вакансия не для входа в индустрию, а для человека с уже крепкой исследовательской базой и готовностью разбираться в сложных сбоях на полном цикле.

Откликнуться: ссылка

Если вам ближе прикладное машинное обучение с понятными ограничениями продакшена, смотрите в сторону CLEAR. Если хочется двигать именно агентные системы и поведение моделей в сложных сценариях, Mirage выглядит заметно более рискованной, но и более исследовательски насыщенной ставкой.