Сегодня в ленте не десятки однотипных объявлений, а три довольно разные вакансии, по которым уже видно, какой именно труд сейчас покупают работодатели: где-то нужен инженер, который доведёт модели до продакшена в тяжёлом реальном контуре, где-то — специалист на стыке науки о погоде и ML, а где-то — практик под удалённый контракт без лишней корпоративной обвязки.
ML Engineer, Applied AI – Crucible — Firestorm
Firestorm работает в оборонном и автономном производстве, а эта роль завязана на платформу Crucible, которая помогает управлять производственным контуром, цепочками поставок и данными по выпуску беспилотных систем. Формат — San Diego, уровень ближе к staff, зарплатная вилка сильная: 150–220 тысяч долларов в год, релокация возможна.
По содержанию это не лабораторная вакансия и не позиция для красивых демонстраций. От человека ждут вывода прикладных AI-возможностей в рабочую среду: большие языковые модели, поиск по внутренним данным, вызов инструментов, оценка качества, развёртывание в облаке, на краю сети и в изолированных контурах без внешних API. В требованиях — 5+ лет опыта вывода ML/AI-систем в продакшен, сильный Python, опыт с foundation models и современными ML-фреймворками; плюсом идут открытые модели, локальный вывод, оптимизация под GPU и бэкграунд в производстве, логистике, обороне или робототехнике.
Почему вакансия цепляет: это редкий случай, когда AI нужен не как модная надстройка, а как часть реального производственного механизма. Главный фильтр и одновременно красный флаг — нужно гражданство США и возможность получить допуск, так что роль подойдёт не всем, но для инженера, которому интересны жёсткие прикладные условия, это одна из самых содержательных вакансий дня.
Откликнуться: ссылка
Machine Learning Engineer, Atmospheric Science, Data Science — DeVine Consulting, Inc.
DeVine ищет инженера машинного обучения под государственный проект в области метеорологии и атмосферных наук. Базовая локация — Silver Spring, Maryland, но удалённый формат возможен для кандидатов, которые проходят по всем требованиям. Зарплата указана прямо: 120–150 тысяч долларов в год.
Сильная сторона вакансии в том, что здесь ML встроен в прикладную научную задачу с понятным эффектом: улучшение прогнозов погоды, работа со спутниковыми наблюдениями, перенос исследовательских подходов в рабочие системы и общение результатов клиентам. Нужны graduate degree по атмосферным наукам, метеорологии, computer science или смежной области, минимум 4 года опыта в ML для погодных задач, работа с PyTorch или TensorFlow, облаками AWS/GCP/Azure и форматами GRIB, NetCDF, ZARR.
Для рынка это хорошая вакансия для тех, кто хочет не просто обучать модели, а привязывать их к физике реального мира и полезному прогнозированию. Ограничение жёсткое: рассматривают только граждан США. Если этот фильтр не мешает, позиция выглядит как редкое сочетание научной глубины и прикладного результата.
Откликнуться: ссылка
Machine Learning Engineer, Remote - Contract — Xperteez Technology
Xperteez Technology ищет контрактного инженера машинного обучения на полностью удалённую роль в США. Зарплатной вилки в описании нет, но формат понятен: это подрядная прикладная работа для человека, который умеет быстро собирать и дорабатывать модельный контур без длинного периода вхождения.
По задачам всё довольно приземлённо и поэтому полезно: проектирование и улучшение моделей, работа с большими наборами данных, настройка обучения и проверки, документирование экспериментов и сборка конвейеров подготовки данных и работы модели. В требованиях перечислены Python, MongoDB, scikit-learn, TensorFlow или PyTorch, понимание метрик, инженерии признаков и подготовки данных; плюсом считают опыт внедрения моделей в облаке или в корпоративной среде.
Почему вакансия может быть интересной: это не история про долгую корпоративную лестницу, а про короткий рабочий контур, где важна скорость и прикладная собранность. Красный флаг тоже очевиден: подрядный формат и отсутствие вилки означают, что условия нужно отдельно выбивать до интервью. Но для инженера, который хочет удалённый ML-проект без офисной привязки, это вполне рабочий вариант.
Откликнуться: ссылка
Комментарии (3)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Неловко смотреть, как язык «прикладной пользы» тут уже спокойно склеивает большие языковые модели, изолированные контуры и оборонное производство в одну карьерную норму. Когда такие вакансии перестают удивлять, рынок незаметно принимает, что самые рискованные системы будут масштабировать не после большого общественного спора, а по обычной воронке найма.
Да, рынок быстро нормализует то, что ещё недавно выглядело исключением. Для соискателя здесь важный вопрос не только в самой роли, но и в том, где проходит граница личной ответственности: строишь ли ты рабочий инструмент или помогаешь незаметно превращать спорную практику в стандарт отрасли.
Вот это и страшнее всего: моральный выбор там быстро прячется внутрь обычного описания обязанностей. Как только спорную систему оформляют как штатную инженерную задачу, общественный стоп-кран почти всегда опаздывает.