Подпивасный анализ рынка

Короче, у нас сейчас проходит набор на курсы ПРО и я одним вечером открыл по приколу HHRU и решил поанализировать.

Общие впечатления
За последние полгода количество вакансий на хх реально просело, вроде бы даже процентов на 25-30, но при этом вакансий, где прямо написано "AI", "ML", "LLM" стало только больше. Я сам перепроверял цифры: в начале 25-го было около 9 тысяч таких вакансий, сейчас уже под 11. И это при том, что общий рынок сдувается.

AI-инженер - это просто бэкендер, который подружился с нейросетками
Я смотрел вакансию в S7. Там просто список технологий: vLLM, SGLang, векторные базы, FastAPI, очереди. Это же просто набор бэкенд-инструментов, где нейросеть выступает как черный ящик. То есть ты не учишь модели, ты просто умеешь написать сервис, который ходит в нейросетку по API, получает ответ и кладет его в базу. Как будто ты просто работаешь с какой-то внешней системой, только вместо обычного сервера у тебя LLM.

Или вот видел вакансию в «Дневнике.ру». Они пишут: строить агентов, интегрировать с инфраструктурой. Опять разработка. И по сути, если ты бэкендер на Python, знаешь FastAPI и умеешь работать с базами данных, то ты уже AI-инженер на 80%. Остальное это понимание как дергать LLM и куда складывать ответы. Поэтому ты, бэкенд питон разработчик, понял намек?

А вот ML-инженер - это уже другое
Я посмотрел вакансии в Яндексе. Там реально хардкор.
В одном месте аудиоязыковые модели. Нужно знать SFT, DPO, RLHF. Это техники дообучения, когда модельку учат специфическим хитрым способам, а не просто подают данные и говорят "учись". Тут уже математика и понимание того, как нейросети внутри устроены.

В другом роботы-доставщики. Нужно оптимизировать нейросетки под слабое железо, чтобы на CPU работали за доли миллисекунды. И доменные знания по навигации, локализации. Это уже не про "пойти в API и получить ответ", а про реальное инженерное мышление.

А теперь самое интересное
Мне кажется рынок идет к тому, что AI-инженер и ML-инженер - это один и тот же человек.
Я видел вакансию в Сбере, где название NLP and Backend. И там реально смесь: и FastAPI, и Kafka, и LangChain, и Transformers, и Pandas с NumPy. То есть человек должен уметь и бэкенд написать, и модельку дообучить, и все это задеплоить.

И знаете, у меня такое ощущение, что так и будет. Сейчас с вайб-кодингом писать бэкенд стало очень легко. А вот обучать модельки пока сложно автоматизировать там слишком много нюансов, нужно смотреть на метрики, логи, эксперименты. Поэтому ценность как раз в ML-части.

Что еще
• MLOps: в бигтехах это отдельный человек, который выделяет GPU, настраивает пайплайны, чинит инфраструктуру.
• AI-тренер: по сути разметчик данных. Нужен для специфических доменов, где модель не может сама себя проверить, например медицина или юриспруденция.
• Промт-инженер: вообще смешная позиция. На деле часто оказывается обычным AI/ML-разработчиком. Я видел вакансию, где в требованиях FastAPI, RAG, агенты, а называется "Промт-инженер".

• Не ищите только «ML-инженера». Ищите по всем названиям: AI Engineer, NLP Engineer, LLM Engineer, Prompt Engineer. Везде примерно одно и то же.
• И не бойтесь длинных списков технологий в вакансиях. Часто это сгенерировано нейросеткой и на деле требования намного проще. Хватит хорошего знания Python, FastAPI, базового понимания LLM и умения работать с инфраструктурой.
• Вилки у всех примерно одинаковые

И да если пост понравился записывайся на курсы МЛ ПРО и Аи агенты ПРО, будем из вас делать жестких быков осеменителей-тягочей рынка.
➡️ Записаться

Подписаться: @chad_protocol

Выходим на новый уровень с линейкой 1️⃣1️⃣1️⃣

Товарищи, если база уже есть, то следующий шаг — углубиться в специализацию, закрыть пробелы, освоить новые инструменты и стать сильнее как специалист.

Для этого мы запускаем ПРО — углублённые карьерные курсы для тех, кто хочет качать карьеру и заработок! Для записи и вопросов — пишите менеджеру

📎Курсы ПРО подойдут тем, кто:

— уже знает основы и хочет глубже разобраться в своей специализации
— хочет перейти с junior на middle и расти дальше
— готовится к собеседованиям на более сильные позиции
— хочет сменить роль и добрать недостающие навыки
— уже на старте имеет сильную базу и хочет целиться выше стажёрских и junior-позиций

➡️Действует гарантия: прошел курс, выполнил все рекомендации, но не получил оффер — вернем деньги
➡️Курс длится 6 недель: теория, практика, домашние задания и пет-проект. Всё это время рядом преподаватель и куратор.

Открываем сразу 5 направлений:

➡️Аналитика ПРО

Продвинутый SQL, A/B-тесты, эконометрика, Causal Inference и ML.

➡️ML ПРО

Вывод модели в прод, MLOps, рекомендательные системы, ранжирование, uplift и динамическое преобразование.

➡️Backend ПРО

Многопоточка, System Desgin, Микросервисы, базы данных, кеширование, мониторинг и распределённые системы.

➡️Алгоритмы ПРО

Продвинутые алгоритмы и задачи для сложных технических интервью в hft фонды, faang+, для олимпиад и контестов.

➡️ИИ-агенты ПРО

Будем разбираться не просто в LLM. Вы научитесь проектировать полноценные агентные системы и за курс соберём 5 собственных AI-агентов и пройдём весь путь от архитектуры и инструментов до работы с RAG, multi-agent системами, MCP, evals и деплоем.

В программу всех курсов войдет:
🔵закрытый банк вопросов с интервью топовых бигтехов
🔵разбор ближайшей стажировки в Т-банк и Яндекс
🔵mock-собеседования с обратной связью
🔵рефералка в бигтех после защиты пет-проекта
🔵карьерная стратегия: резюме, поиск вакансий, подготовка к HR секциям

💰Бонус для всех записавшихся до 23.08 — курс про поиск валютной удалёнки и работы за рубежом в подарок

Как накрутить опыт для валютной удалёнки

Так ру рынок уже уронили, пора ронять запад. В посте обсудим как упаковать свой опыт в легенду для ВУ рыночка.

Сколько лет ставить
Минимум - 5. Всё, что меньше, не рассматривают. На валютную удалёнку джунов не рассматривают вообще, только если это не какой-нибудь хфт. Оптимально 5–7 лет. Карьерный путь должен быть непрерывным: никаких пробелов, никаких перерывов на "поиск себя". Идеально: 3 компании. Первая - 2 года, вторая - полтора, третья - добиваешь до пяти.

Какие компании указывать
Первое место: российский бигтех (Сбер, Яндекс, Авито, ВК). У них нормальная культура разработки, и это легко продать как "место, где я вырос". Потом ты в 2023 году переехал в Европу по политическим причинам, но никого не осуждаешь, просто уехал.
Второе и третье: европейский аутсорс. EPAM, Luxoft. В аутсорсах легко подогнать опыт под конкретную вакансию. Плюс ты показываешь навыки автономной работы, что ценят на удалёнке.

Как строить карьерный путь
Грейды должны расти плавно. Начинаешь джуном в РФ: выполняешь рутинные задачи, набираешься опыта. Через полтора-два года становишься мидлом. Потом переходишь в аутсорс уже сеньором, менторишь, видишь картину целиком. Важно на собеседовании проговариваешь этот путь. Если сразу выдаёшь сеньорский опыт без истории роста, тебя спалят. Все хотят видеть последовательность.

Мотивация
Твоя история должна звучать примерно так: "Я учился в вузе, увлёкся математикой, узнал про ML, тренировался, прошёл собеседования, работал, рос, перегорал, восстанавливался, вырос до сеньора".
Только не показывай, что тебя мотивируют деньги. Компании хотят увлечённых людей, которым можно платить меньше. Это сейчас тренд - все экономят, и те, кто горит своим делом, ценятся больше. Сделай акцент на интересе к профессии.

Проекты
У тебя должно быть три завершённых проекта по одному на место работы. Каждый проект раскладывай на части:

1. Бизнес-контекст. Какая была проблема? Например: "Данные разбросаны по разным базам, сотрудники тратят часы на поиск информации, никакой структуры, полный хаос".
2. Твоя роль. На первых местах джун/мидл, на последних "играющий тренер", который и код пишет, и менторит. Это идеальный кандидат для найма.
3. Завершённое действие. Что конкретно ты сделал? Не "писал код", а "разработал RAG-систему для обработки документов, которая сократила время поиска с 3 часов до 30 минут". Конкретика, а не "я там фичи добавлял".
4. Метрики. Всегда две группы: технические (F1, recall, latency) и экономические (сколько денег твоё решение принесло). Технические метрики для себя, чтобы понимать, движешься ли ты в правильном направлении. Экономические для HR, чтобы показать, что компания потратила на тебя деньги не зря.
5. Экономический эффект. Считай по формуле: средняя зарплата специалиста (например, 7000) умножить на 20.Получается 140 000 в год. Твой проект должен приносить как минимум столько. Объясняешь это тем, что система автоматизирует работу нескольких человек, и компания экономит на зарплатах.

Как собрать актуальный стек
Парсишь 100 вакансий на hhru или LinkedIn, смотришь, какие технологии чаще всего требуются, берёшь топ-10 и вставляешь в резюме. Больше подробностей на нашем "валютном блоке" в курсах ПРО.
➡️ Записаться

Подписаться: @chad_protocol