ML-инженер:
кто это и как стать
ML-инженер — одна из самых массовых вакансий в сфере ИИ: в нашей ленте их больше только у Data Scientist. Разберём, чем эта работа отличается от соседних, что нужно уметь и как в неё прийти.
Коротко: ML-инженер обучает модели машинного обучения и делает из них работающий сервис. В нашей ленте на 19 октября 2026 года 49 таких вакансий, медиана середины вилки у вакансий с зарплатой — около 230 000 ₽. Нужны Python, математика на уровне вуза, PyTorch и опыт доведения модели до продакшена.
Чем занимается
- Собирает и готовит данные для обучения.
- Выбирает и обучает модель, подбирает параметры, сравнивает с базовым решением.
- Делает из модели сервис: API, пакетная обработка, встраивание в продукт.
- Следит за качеством после запуска и переобучает модель, когда данные меняются.
ML-инженер, Data Scientist и LLM-инженер
| Data Scientist | ML-инженер | LLM-инженер | |
|---|---|---|---|
| Главный вопрос | что говорят данные | как сделать работающую модель | как собрать продукт из готовой языковой модели |
| Больше всего времени | анализ, эксперименты, отчёты | обучение, код, выкладка | поиск по документам, оценка ответов, интеграции |
| Вакансий в ленте | 59 | 49 | 41 |
Границы размыты: в маленьких компаниях один человек делает всё. Обзор остальных ролей — в статье профессии в ИИ.
Что нужно знать
- Python и инженерная культура: тесты, git, Docker, работа с API.
- Математика: линейная алгебра, вероятности, оптимизация на уровне, достаточном, чтобы понимать, почему модель не учится.
- Классическое машинное обучение: линейные модели, деревья и градиентный бустинг, метрики, валидация.
- Глубокое обучение: PyTorch, свёрточные сети, трансформеры. Для начала — как работает трансформер.
- Вывод в продакшен: сервинг моделей, мониторинг, работа с видеокартами — на стыке с MLOps.
Сколько платят
Медиана середины вилки у вакансий ML-инженера с указанной зарплатой — около 230 000 ₽ в месяц, но выборка маленькая: зарплату указали лишь в 8 вакансиях. Подробнее и по другим ролям — в статье зарплаты в ML и Data Science.
Как стать ML-инженером
Из разработки. Самый быстрый путь: инженерные навыки уже есть. Добавьте классический ML и PyTorch, сделайте 2–3 проекта с выкладкой модели в сервис. Многие приходят через LLM-разработку, где порог входа ниже.
Из аналитики. Статистика и SQL уже есть, нужно подтянуть программирование и продакшен-навыки.
С нуля. Реалистичный срок — от года систематической учёбы: Python, математика, ML, проекты. Программы подготовки — в разделе «Обучение».
Портфолио важнее сертификатов: одна модель, доведённая до работающего сервиса, говорит работодателю больше пяти курсов.
Коротко
ML-инженер превращает данные в работающую модель и сервис. Это одна из самых массовых ролей в ИИ, с медианой около 230 тысяч в вакансиях с открытой зарплатой. Быстрее всего в неё приходят из разработки. Актуальные вакансии — ML-инженер.