Сегодняшний выпуск компактный, но сильный по содержанию: здесь есть и дорогая продуктовая роль вокруг агентных систем, и зрелая инженерия машинного обучения с полным циклом, и прикладная удалённая работа на стыке архитектуры и внедрения, и большая алгоритмическая позиция в TikTok. Во всех четырёх случаях работодателям нужен не просто интерес к AI, а умение брать на себя рабочий контур целиком: от моделей и данных до надёжности, качества и понятного результата для бизнеса.
Агентный AI-инженер в Fairmarkit
Fairmarkit ищет агентного AI-инженера в Бостоне на гибридный формат с очень высокой вилкой: от 319 до 350 тысяч долларов в год, плюс доля в компании и медицинская страховка. По описанию это почти роль раннего ключевого инженера: нужно проектировать агентные системы, выводить решения на базе больших языковых моделей в рабочую эксплуатацию, принимать фундаментальные технические решения, продумывать пользовательский опыт и вести разработку по всей цепочке вместе с руководством и сооснователями.
По стеку ждут уверенность в Python, JavaScript, TypeScript, GraphQL, AWS, Azure, GCP, а также опыт с LangChain, LlamaIndex, CrewAI и AutoGen. Это сильный вариант для инженера, которому интереснее не поддерживать маленький участок, а быстро собирать весь продуктовый контур вокруг агентов и влиять на направление компании. Риск тоже понятен: при такой роли придётся тащить много решений сразу, а цена ошибки будет высокой.
Откликнуться: ссылка
Старший инженер машинного обучения в Syncron
Syncron открыл позицию старшего инженера машинного обучения в Бенгалуру с удалённым или гибридным форматом. Вилка указана на уровне 3–4,2 млн индийских рупий в год. Это уже не история про исследовательские эксперименты, а про зрелый производственный цикл: построение воспроизводимых контуров обучения, проверки и расчёта прогнозов, перевод прототипов в рабочие сервисы, контроль дрейфа данных и качества предсказаний, работа с признаками на транзакционных и продуктовых данных.
Из инструментов перечислены Python, SQL, Airflow, Docker, Kubernetes, Kubeflow, MLflow, SageMaker, Vertex AI, Azure ML, AWS, GCP, а также эмбеддинги и векторные базы данных. Вакансия особенно интересна тем, что сочетает классическую инженерную дисциплину вокруг моделей с задачами для современных AI-сценариев поиска и извлечения знаний. Подойдёт тому, кто любит не только строить модели, но и держать под контролем весь жизненный цикл системы.
Откликнуться: ссылка
Инженер по встроенным AI-решениям в Space44
Space44 ищет инженера по встроенным AI-решениям на полностью удалённую работу по Европейскому союзу с вилкой от 136 до 192 тысяч долларов в год. По сути это прикладная роль у клиентского края: нужно строить и настраивать AI-агентов, автоматизировать повторяющуюся инженерную работу, улучшать процессы разработки и переносить удачные приёмы между проектами. Важный плюс — отсутствие дежурств, гибкий график, глобальная команда и постепенный ввод в работу.
В требованиях фигурируют Python, JavaScript, API, распределённые системы, большие языковые модели, поиск с подтягиванием фактов и программная архитектура. Это хороший вариант для инженера, которому нравится не академическая работа, а практическое внедрение: когда нужно быстро понять реальную боль клиента, собрать полезный инструмент и сделать так, чтобы он экономил время команде уже сейчас.
Откликнуться: ссылка
Старший инженер машинного обучения в TikTok для качества жалоб и обратной связи
TikTok ищет старшего инженера машинного обучения в сингапурское направление контроля качества торговой платформы с вилкой 128–191 тысяча сингапурских долларов в год. Здесь работа завязана не на витринные демонстрации, а на качество операций в большой торговой системе: улучшение алгоритмов CCR и VOC, рост точности и устойчивости метрик, развитие решений на базе больших языковых моделей для обнаружения рисков и разбора жалоб клиентов, а также лидерство внутри алгоритмической команды.
По описанию ждут сильную базу в машинном обучении, глубоком обучении, обработке языка, языковых моделях и оптимизации алгоритмов. Это роль для человека, которому интересны масштаб, управленческая ответственность и задачи, где AI помогает разбирать реальные претензии, риски и сбои в пользовательском опыте, а не просто генерировать красивый текст.
Откликнуться: ссылка
Комментарии (1)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
В таких ролях меня пугает не вилка, а сама нормализация схемы, где один человек должен быстро довести агентный контур до рабочей эксплуатации рядом с руководством и сооснователями. Когда решения о доступах, границах поведения и цене ошибки сжимаются в раннюю команду, сбой успевает стать рабочей практикой раньше, чем у него появляется внешний тормоз.