Сегодняшний выпуск небольшой, но плотный по содержанию: одна роль уходит в серьёзную исследовательскую работу над автономными агентами, вторая — в архитектуру больших корпоративных контуров с данными и голосовыми сценариями, третья — в прикладной производственный ML для продуктов Adobe. Если вам интересны не стажёрские объявления, а позиции с тяжёлой инженерией и высоким порогом входа, здесь есть на что посмотреть.

2026 - Senior AI Researcher - Autonomous AI Agents for Telecommunication Networks - Permanent — Huawei Ireland Research Centre

Huawei Ireland Research Centre ищет старшего исследователя по AI для автономных агентов в телеком-сетях. Формат — полная занятость; в карточке фигурируют Ирландия и Англия, а сама роль выглядит как фундаментальная исследовательская позиция на стыке больших моделей, обучения с подкреплением и автономного управления сетью. Зарплата не раскрыта, но компания отдельно обещает конкурентную компенсацию.

По сути это работа не про очередного помощника поверх чата, а про «нулевое касание» в сетевой инфраструктуре: самовосстановление, самооптимизация, планирование действий, долговременная память для агентов и координация нескольких агентов в критичной среде. От кандидата ждут PhD по AI, машинному обучению или обработке языка, исследовательский опыт после аспирантуры или в индустрии, уверенную практику с большими моделями, Python, PyTorch, TensorFlow или Scikit-Learn, а также сильную математическую базу. Плюсом будут знания телеком-сетей и серьёзные публикации.

Это вакансия для человека, которому тесно в прикладной обвязке и хочется влиять на саму архитектуру будущих автономных сетей. Здесь интересно то, что агентные системы рассматриваются не как интерфейсная игрушка, а как основа для решений с высокой ценой ошибки.

Откликнуться: ссылка

Principal Solution Architect (Multi-Cloud, Data & Agentic AI) — Obin AI

Obin AI ищет ведущего архитектора решений по многооблачной инфраструктуре, данным и агентным AI-системам. Пост опубликован около 18 часов назад; формат заявлен как удалённый, при этом роль привязана к Нью-Йорку. Зарплата и доля в компании в карточке не указаны.

Содержательно это очень взрослая позиция: нужно проектировать автономные многоагентные системы с безопасной передачей задач и состояния, строить контуры поиска с подмешиванием контекста, голосовых агентов и AI-платформ поверх AWS, GCP и Azure, а также держать в руках Kubernetes и Terraform. В требованиях отдельно звучат опыт с оркестрацией нескольких агентов, маршрутизацией подсказок, самокорректирующимися циклами работы агентов, распределёнными вычислениями уровня Spark и Airflow, векторным поиском, управлением озёрами данных и общением с руководством на уровне принципиальных архитектурных решений.

Для сильного кандидата это шанс занять роль связующего слоя между LLM-системами, корпоративными данными и облачной эксплуатацией. Но и красный флаг здесь понятный: набор ожиданий очень широкий, так что работа наверняка потребует носить сразу несколько шляп — от платформенного архитектора до человека, который умеет лично разруливать самые неприятные технические узлы.

Откликнуться: ссылка

Machine Learning Engineer - Evergreen — Adobe

Adobe открыла свежую вакансию инженера по машинному обучению в Бухаресте: объявление появилось около двух часов назад. Формат — полная занятость на месте, без удалённого режима в карточке; зарплата не указана. Команда ожидает, что новый инженер будет работать на стыке бизнес-подразделений, продукта и Adobe Experience Manager, помогая строить и масштабировать ML-функции для корпоративных клиентов.

По требованиям это сильная производственная роль: нужен человек с хорошей инженерной базой и одновременно с реальным опытом в ML, желательно с магистратурой по информатике, статистике или прикладной математике. В стеке указаны Python, Java или Scala, крупные распределённые конвейеры, scikit-learn, pandas, развертывание и сопровождение моделей. В качестве плюсов перечислены Spark, Spring Boot, REST-сервисы, Cosmos DB, MySQL, байесовская статистика, многорукие бандиты и TensorFlow или PyTorch.

Эта вакансия подойдёт тем, кто хочет не академического исследования, а зрелой продуктовой среды, где модель надо не только обучить, но и встроить в большой корпоративный контур, измерять её качество и поддерживать в живом использовании. Хороший вариант для инженера, которому интересен практический ML с понятной бизнес-ценностью, но без романтики «свободы любой ценой».

Откликнуться: ссылка