Подпивасный анализ рынка

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