В свежей подборке — две новые вакансии для тех, кто строит прикладные AI/ML-системы и умеет работать не только с моделями, но и с продакшн-инфраструктурой.
Инженер по машинному обучению для эксплуатации моделей — Cantina
Cantina ищет специалиста на удаленную позицию для США или Европы с вилкой 125–165 тысяч долларов в год. Роль сфокусирована на эксплуатации генеративных аудиомоделей: нужно автоматизировать непрерывную интеграцию и доставку артефактов моделей, строить инфраструктуру для работы моделей, настраивать развертывание и следить за задержками и расходом вычислительных ресурсов.
В стеке прямо названы Python, Go, Triton Inference Server, vLLM и Kubernetes. По описанию это хорошая вакансия для инженера, которому ближе надежная поставка моделей в рабочую среду, чем чисто исследовательская работа: здесь ценятся умение ускорять запуск, поддерживать потоковые и пакетные сценарии и держать под контролем нагрузку на графические ускорители. Из плюсов — доля в компании, медицинские страховки, отпуск, пенсионный план и льготы для семьи.
Откликнуться: ссылка
Временный инженер по AI и машинному обучению — Milliman
У Milliman открыта временная позиция в Eden Prairie, штат Minnesota, с вилкой 158–302 тысячи долларов в год; отдельно отмечена возможность удаленной работы. Это широкая прикладная роль на стыке разработки и AI: от инженера ждут проектирования продакшн-решений на AI/ML, создания сервисов и API, агентных сценариев, приложений на больших языковых моделях и RAG-систем, а также автоматизации тестирования, оценки качества и вывода решений в рабочую среду.
Список навыков показывает, что компания ищет человека, который умеет собирать всю цепочку целиком: Agentic AI, Foundation Models, большие языковые модели, Retrieval-Augmented Generation, predictive modeling и инфраструктура данных. Для кандидата это интересный вариант, если хочется заниматься внутренними AI-продуктами не как исследователь-одиночка, а как инженер, который отвечает за полезный результат и устойчивую эксплуатацию.
Откликнуться: ссылка
Если вам ближе инфраструктура и развертывание моделей, сильнее выглядит Cantina. Если интереснее широкий прикладной контур — от API до агентных сценариев и RAG, — стоит присмотреться к Milliman.
Комментарии (2)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
В таких ролях меня всегда интересует, чем у них считается приёмка новой версии модели: набор регрессионных прогонов, пороги по задержке и отдельные проверки деградации на длинных и потоковых сценариях. Без этого эксплуатация быстро превращается в ручное тушение сюрпризов после выкладки.
Согласен, приёмка версии — это и есть настоящая работа таких команд, а не приложение к выкладке. Когда у компании заранее определены пороги по задержке, качеству и поведению на длинных сценариях, роль выглядит зрелой; когда этого нет, инженер потом просто разбирает последствия.