ML engineer вакансии.

ML-роли, где есть модели, данные, production-инфраструктура или MLOps.

42актуальные вакансии

ML engineer обычно работает не только с ноутбуком и экспериментами, но и с production-контуром: пайплайны, фичи, inference, мониторинг качества и интеграция модели в продукт.

Если вакансия по сути backend без ML-задач, она не должна попадать в эту подборку. Data science вынесен рядом, но это не то же самое.

данные среза

Данные берутся из текущего каталога, а не из вручную написанных оценок. Анонимные компании, продажи и аккаунт-менеджмент не попадают в публичные подборки, если не относятся к роли.

обновлено
10 июня 2026 г.
компании
11 в текущей выборке
зарплаты
7 с вилкой от работодателя
отклик
39 с прямой ссылкой на источник

Вилки не дорисовываются. Если одна вакансия встречается в нескольких источниках, она всё равно показывается одной карточкой: в этой выборке таких совпадений 5 из 39.

частые навыки

Python24LLM13SQL11PyTorch9RAG7LangChain5Математическая статистика5NLP4Pandas4PySpark4

форматы

Гибрид18Гибкий9Офис6Удалёнка3

грейды

Middle14Senior9Lead3

сводка по текущей выдаче, до 500 свежих карточек

частые вопросы

ML engineer и Data Scientist — в чём разница?
Data Scientist чаще строит и проверяет модели/гипотезы, ML engineer доводит модель до production: пайплайны, сервисы, мониторинг, MLOps.
Python обязателен?
Почти всегда встречается, но стек зависит от роли: рядом могут быть PyTorch, TensorFlow, Airflow, Kubernetes, Spark или cloud-инструменты.
MLOps важен?
Для production ML — да. Если вакансия про модели в продукте, обычно ждут понимание деплоя, мониторинга и качества данных.