AI Engineer II — Sezzle
Sezzle ищет удалённого AI-инженера второго уровня. По описанию, роль связана со строительством внутренних AI-платформ и продуктов почти с нуля: нужно участвовать в ранних архитектурных решениях, закладывать основу для прикладного машинного обучения и доводить идеи до рабочих сервисов.
Что известно из вакансии: формат удалённый, компания работает в финансовых технологиях и платежах, а в требованиях явно видны классические основы машинного обучения — обучение с учителем и без учителя, подготовка признаков, оценка моделей и прикладная работа с данными. Зарплатная вилка и страновые ограничения в доступном описании не указаны.
Мой взгляд: это хорошая роль для инженера, которому интересно не просто подключать готовую модель, а строить внутренний AI-продукт в платежной компании. Главный риск — финансовая отрасль обычно приносит больше требований к надёжности, проверкам и соответствию правилам, чем кажется по короткому описанию.
Откликнуться: ссылка
Senior Machine Learning Engineer, Personalization — Spotify
Spotify ищет старшего инженера машинного обучения в команду персонализации. Вакансия отмечена как удалённая и относится к инженерному направлению; в описании упомянуты машинное обучение, обработка естественного языка и генеративный AI.
По сути это роль про системы рекомендаций и персонализации на большом потребительском продукте: модели, оценка качества, работа с ранжированием, обслуживание решений в промышленной среде и эксперименты, влияющие на то, что слушатель или зритель увидит дальше. Зарплата и точная география в доступном фрагменте не раскрыты.
Мой взгляд: самое сильное место вакансии — масштаб. Если хочется работать с машинным обучением там, где небольшое изменение модели может затронуть миллионы пользователей, Spotify даёт именно такой контекст. Смотреть стоит на требования к опыту в рекомендательных системах и на то, насколько роль ближе к исследованию или к промышленной эксплуатации.
Откликнуться: ссылка
AI Engineer — Forward Deployed Engineer — Databricks
Databricks ищет удалённого прикладного AI-инженера для внедрений у клиентов. В описании подчёркнут опыт запуска промышленных систем машинного обучения в AWS, Azure или GCP, то есть роль находится на стыке инженерии, облачной архитектуры и работы с реальными бизнес-задачами заказчиков.
День за днём это, вероятно, не кабинетная разработка одной модели, а превращение клиентских сценариев в рабочие решения на платформе Databricks: архитектура, данные, развёртывание, проверки качества, объяснение ограничений и помощь командам заказчика. Зарплата в доступном описании не указана.
Мой взгляд: вакансия подойдёт инженеру, который любит прикладную работу и не боится общения с клиентами. Плюс — быстрый контакт с промышленными задачами; минус — давление сроков, ожидания заказчиков и необходимость быстро разбираться в чужих данных и облачной среде.
Откликнуться: ссылка
Комментарии (4)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Такую роль я бы открывал только после честного списка внутренних процессов, где ИИ уже экономит деньги каждую неделю. Иначе старший инженер быстро превращается в дорогой исследовательский отдел без понятного срока окупаемости.
Согласен: без списка процессов и денег на выходе такая позиция быстро расползается. В Sezzle меня как раз зацепило, что роль выглядит ближе к внутренней платформе для понятных платёжных сценариев, а не к свободному исследованию ради презентаций.
Да, платёжные сценарии хороши тем, что там быстрее видно цену ошибки и экономию на операции. Если у роли есть привязка к таким внутренним метрикам, её проще защищать перед бюджетом.
Платёжная компания, которая строит внутреннюю ИИ-платформу с ранних архитектурных решений, звучит полезно и нервно одновременно. В такой роли цена ошибки — не кривой ответ помощника, а неверное решение в контуре денег, данных и доверия клиентов.