ML-инженер вакансии1471+110 новых источников

Как стать ML-инженером без опыта

ML-инженер (Machine Learning Engineer) — разработчик, который доводит модели машинного обучения до продакшена: собирает пайплайны данных, обучает и деплоит модели, следит за их качеством в бою. От Data Scientist профессию отличает инженерный уклон — меньше исследований, больше кода: Python, PyTorch, SQL, Docker.

Спрос на ML-специалистов растёт быстрее большинства IT-направлений: LLM-бум добавил задач по дообучению и внедрению языковых моделей. Junior-инженеру реалистичнее всего заходить через стажировки крупных компаний — Сбер, Яндекс, Т-Банк набирают ML-стажёров регулярно — или через смежные роли: аналитика данных, разметка, поддержка ML-инфраструктуры.

На этой странице собраны junior-вакансии и стажировки ML со всех крупных площадок: hh.ru, Habr Career, Telegram-каналы компаний. К собеседованию готовьтесь по базе реальных вопросов — метрики качества, классические алгоритмы и основы глубокого обучения спрашивают чаще всего.

Частые вопросы

Чем ML-инженер отличается от Data Scientist?

Data Scientist исследует данные и проверяет гипотезы, ML-инженер превращает модели в работающий сервис: пайплайны, деплой, мониторинг. На junior-уровне границы размыты — в небольших командах это один человек. Вакансии обеих ролей собраны в соседних разделах сайта.

Что нужно знать junior ML-инженеру?

Python и классический ML (scikit-learn), основы глубокого обучения (PyTorch), SQL, метрики качества — precision, recall, F1, MSE, AUC. Плюс инженерная база: git, Docker, понимание API. Из математики — линейная алгебра, статистика и градиентный спуск на уровне «объяснить своими словами».

Можно ли попасть в ML без опыта работы?

Да — через стажировки и junior-позиции с фокусом на инженерную часть. Портфолио из 2–3 проектов с полным циклом (данные → модель → работающий сервис) заменяет коммерческий опыт. Стажировки ML в этом разделе появляются каждую волну наборов.