Пять свежих ролей из сегодняшней выборки: от удалённого антифрод-машинного обучения и прикладных агентных систем до банковской аналитики вокруг LLM и инфраструктуры для ИИ-кластеров. Ниже — что именно делают компании, какие требования они называют и кому каждая вакансия подойдёт.

Старший специалист по машинному обучению и анализу данных — Extend

Extend ищет старшего специалиста в команде антифрода и машинного обучения на полностью удалённый формат по США с вилкой 135–165 тысяч долларов в год. Здесь нужен человек, который проведёт весь цикл сам: от подготовки признаков и экспериментов до вывода моделей в продакшен, мониторинга качества и отслеживания сдвига данных.

По стеку и требованиям всё довольно предметно: сильные Python и SQL, опыт с PyTorch, scikit-learn и XGBoost, понимание отбора моделей и оценки качества, а также минимум три года построения и сопровождения ML-систем в продакшене. В плюс идут опыт в системах противодействия мошенничеству или управления рисками, AWS SageMaker, графовые модели и инструменты наблюдаемости вроде Arize. Хороший вариант для прикладного ML-специалиста, которому интересны риск-модели, большие транзакционные данные и зрелая рабочая среда.

Откликнуться: ссылка

Старший аналитик количественных моделей в команде машинного обучения — JPMorgan Chase

JPMorgan Chase нанимает специалиста старшего уровня в Wilmington, Delaware, в команду MLIO Analytics. Роль завязана на продукты банка для анализа разговоров с клиентами и подсказок сотрудникам: нужно искать узкие места в клиентских процессах, строить причинно-следственные оценки, оптимизировать LLM- и GenAI-модели для внутренних сценариев и автоматизировать аналитическую отчётность.

Требования серьёзные: профильное образование в технической или аналитической области, шесть лет опыта или магистратура плюс два года, сильный SQL, уверенный Python, Tableau, Alteryx, Jupyter, а также опыт с AWS, Spark или EMR, Snowflake и классическим прикладным машинным обучением — регрессией, кластеризацией, LightGBM, XGBoost, NLP и LLM. Это скорее тяжёлая аналитическая позиция на стыке данных, продуктовой аналитики и прикладного машинного обучения, чем роль чистого ML-инженера, зато влияние на реальные клиентские операции у неё, судя по описанию, большое.

Откликнуться: ссылка

Инженер по решениям на базе ИИ — Persistent Systems

Persistent Systems ищет инженера в Нью-Йорке с зарплатной вилкой 133–166 тысяч долларов и возможной премией по результатам работы. Фокус роли — защищённые системы для поиска знаний, автоматизации, анализа данных и поддержки решений, то есть не демонстрационные прототипы, а рабочие корпоративные решения с требованиями к качеству и безопасности.

По обязанностям набор широкий: RAG, AI agents, разговорные интерфейсы, конвейеры загрузки и поиска данных, оценка моделей, Python API на FastAPI, контейнеризация через Docker и Kubernetes, плюс управление качеством, мониторинг и проверка результатов. Компания хочет 2–5 лет опыта в разработке программных систем или в ML-, data- и AI-направлениях, сильный Python, опыт с LangChain или LangGraph, RAG и хотя бы одной из платформ Azure AI Foundry, AWS Bedrock, Vertex AI или Databricks. В плюс идут Hugging Face, Ollama, MLflow, Langfuse, Power BI и Tableau. Вакансия выглядит сильной для инженера, которому интересны рабочие решения вокруг генеративного ИИ, но требование по допуску к защищённым проектам в США может сильно сузить круг кандидатов.

Откликнуться: ссылка

Инженер по автоматизации на базе ИИ — Kargo

Kargo нанимает инженера в команду Data & AI в Нью-Йорке. Формат гибридный: четыре дня в неделю в офисе. По сути это роль для человека, который любит прикладные автоматизации и агентные сценарии для коммерческих и внутренних процессов, а не только модельную часть ради самой модели.

В работе — агентные рабочие процессы, внутренние помощники, системы поиска по знаниям, управление промптами и тестированием, а также интеграции со Salesforce, Slack, Snowflake, Atlassian, Google Workspace, Looker и Airtable. Компания просит 5–8 и более лет в автоматизации, инженерии процессов или данных, Python или JavaScript, опыт с n8n, LangGraph, Zapier или Make, LLM API, а также понимание наблюдаемости и оценки качества. Плюсом будут Pinecone, Weaviate, RAG, Streamlit, Retool и инфраструктурные вещи вроде Kubernetes и ArgoCD. Хорошая роль для тех, кто хочет строить реальных агентов для коммерческих операций и готов много работать на стыке инженерии и бизнеса.

Откликнуться: ссылка

Старший инженер по сетевым приложениям для ИИ — NVIDIA

NVIDIA ищет старшего инженера по прикладным сетевым решениям для ИИ в Йокнеаме, Израиль. Это роль не про обучение моделей, а про среду, на которой эти модели живут: поддержка суперкомпьютеров и сетевой ткани для ИИ-кластеров, помощь заказчикам с разбором сложных инцидентов и обратная связь в сторону исследовательских и продуктовых команд.

Нужны степень по computer science или electrical engineering, восемь и более лет опыта в сетях, глубокое знание сетевых протоколов, сильные навыки отладки и уверенная работа с заказчиками. Плюсом будут лидерский опыт и аппаратно-прошивочная диагностика. Вакансия интересна тем, кто хочет работать ближе к инфраструктуре крупных ИИ-кластеров и реальным производственным проблемам, а не к прикладным моделям в изоляции.

Откликнуться: ссылка

Если смотреть на выборку в целом, день получился скорее инженерно-прикладным: много ролей вокруг внедрения AI в рабочие процессы, продакшена и инфраструктуры, а не лабораторных исследований. Самыми понятными удалёнными вариантами выглядят Extend и в меньшей степени роли, где ставка сделана на корпоративные решения с генеративным ИИ и автоматизацией. Для тех, кто хочет ближе к большим корпоративным системам и масштабным данным, сегодня особенно заметны JPMorgan Chase, Persistent Systems и NVIDIA.