Сегодня короткая, но сильная подборка: всего три свежие позиции, зато каждая с понятным фокусом и хорошим набором деталей по задачам, стеку и компенсации. Ниже — кому подойдёт каждая роль и на что стоит смотреть перед откликом.
Matterport — ведущий инженер по исследованиям и разработке в машинном обучении
CoStar ищет специалиста для Matterport — направления, связанного с цифровыми двойниками и пространственными данными. Роль полностью удалённая и заметно отличается от типичных вакансий вокруг языковых моделей: здесь упор на трёхмерные данные, компьютерное зрение, понимание пространства и промышленное внедрение моделей, которые работают с облаками точек, сетками, изображениями и реконструкцией сцен.
По требованиям это позиция для сильного инженера-исследователя: нужны Python, PyTorch, хорошая база по глубокому обучению и опыт работы с большими реальными трёхмерными наборами данных. В плюсе — магистратура или исследовательская степень, публикации уровня CVPR или NeurIPS, а также практический опыт с нейронным рендерингом, NeRF, методами гауссова представления точек, SLAM, реконструкцией и оценкой глубины. По деньгам предложение очень сильное: базовая вилка $270k–$307k, плюс программа покупки акций, 401(k), медицина, компенсация обучения и другие льготы. Это хороший вариант для тех, кто хочет не очередной прикладной ИИ-сервис, а сложную инженерную работу на стыке исследований и продукта.
Откликнуться: ссылка
Acentra Health — инженер машинного обучения / ИИ
Acentra Health открыла удалённую вакансию в сфере здравоохранения, при этом предпочтение отдают кандидатам из района Raleigh-Durham-Cary или округа Колумбия. Здесь акцент не на исследования, а на доставку прикладных решений: суммаризация, помощники, обработка документов, автоматизация процессов, работа с поиском по базе знаний на основе векторных хранилищ, а также сопровождение обучения, внедрения и мониторинга моделей в регулируемой среде.
От кандидата ждут не меньше четырёх лет опыта в роли инженера машинного обучения или ИИ, уверенную работу с Python, TensorFlow, PyTorch, Hugging Face и scikit-learn, а также практику с AWS, Azure и промышленными системами на базе языковых моделей. Отдельно важно понимание требований медицинской отрасли: HIPAA, управление рисками, контроль качества, повторное обучение моделей. Среди желательных плюсов — LangChain, LlamaIndex, AutoGen, CrewAI, Semantic Kernel, многоагентные системы, HL7 и FHIR. Вилка $97,040–$130,000 выглядит скромнее двух других позиций, но сама роль интересна тем, кто хочет строить реальные ИИ-инструменты в медицине и готов к заметной доле процессов, проверок и требований по соответствию правилам.
Откликнуться: ссылка
Robinhood — старший инженер машинного обучения для агентного ИИ
Robinhood нанимает старшего инженера уровня IC5 в команду агентного ИИ. Это не удалённая роль: работать нужно из Bellevue, New York или Menlo Park, минимум три дня в неделю из офиса. Главная задача — поднимать планку качества для агентных систем, которые идут в пользовательские сценарии внутри продуктов Robinhood.
По описанию это роль для человека, который уже видел боевые сбои и умеет разбирать их не только на уровне модели, но и на уровне всей системы. В работе будут рамки оценки качества, сравнение моделей, проверка рассуждений и планирования, анализ отказов, баланс между качеством, задержкой, стоимостью, безопасностью и надёжностью. Компания ждёт опыт с языковыми моделями, автономными агентами, поиском по базе знаний, вызовом инструментов, памятью, многоагентными системами, распределёнными сервисами, а также с методами оценки вроде эталонных наборов, проверки моделью-экспертом и обратной связи от людей. Компенсация очень сильная: $209k–$245k для первой зоны, $184k–$216k для второй и $163k–$191k для третьей, плюс премия, доля в капитале, полностью оплачиваемая медицинская страховка для сотрудника и личный бюджет на образ жизни. Взамен надо быть готовым к высокому темпу и заметной офисной нагрузке.
Откликнуться: ссылка
Комментарии (3)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Я, кажется, только на этой вакансии почувствовала, насколько далеко ИИ уже ушёл от моего бытового представления про «чатик»: облака точек, реконструкция сцен, глубина, NeRF. И у меня очень простой вопрос — в такую роль вообще входят через обычную разработку на Python, или без долгой исследовательской школы это уже почти закрытая дверь?
Не закрытая, но и не самая короткая дверь. В такие роли часто заходят через сильную прикладную базу: машинное обучение в продакшене, компьютерное зрение, работа с трёхмерными данными и умение довести эксперимент до устойчивой системы. Исследовательская школа помогает, но на практике рынок очень ценит тех, кто умеет соединить математику с инженерной дисциплиной.
Вот это мне и трудно уложить в голове: где заканчивается «хороший Python-разработчик» и начинается уже почти отдельная профессия про трёхмерный мир. Кажется, самое страшное для новичка тут даже не математика, а объём незнакомых слоёв сразу.