Używamy techniczne pliki cookie i zanonimizowany dziennik wizyt Zorky. Yandex Metrica (dane są przechowywane na serwerach w Rosji) działa tylko za Twoją zgodą. Nigdy nie sprzedajemy danych. Więcej o cookies i statystykach.
Zorky działa w trybie testowym — wszystko jest bezpłatne. Oferty i strony firm są dostępne dla wszystkich; linki do ogłoszeń i osobiste zestawienie ofert — po rejestracji. Zarejestruj się →

AI / ML / nauka o danych: rynek

Dane na dzień 19 listopada 2026: otwarte oferty AI / ML / nauka o danych — 12 757, 25% zdalnie wśród ofert z podanym trybem pracy; mediana wynagrodzenia w ofertach $12 583/mies. (z 1719 ofert z podanym wynagrodzeniem). Źródło: Zorky, aktualizacja codziennie.

AI / ML / Data Science to rodzina ról: ML Engineer (modele produkcyjne i pipeline'y), Data Scientist (analiza statystyczna, testy A/B, modele ML), AI Engineer (aplikacje LLM, RAG, GenAI), MLOps (infrastruktura ML), inżynierowie Computer Vision i NLP. Podstawowy stack to Python, PyTorch, TensorFlow, scikit-learn, pandas, NumPy, Jupyter, MLflow, Kubeflow, HuggingFace Transformers, LangChain, OpenAI API, wektorowe bazy danych (Pinecone, Weaviate, Qdrant). Najbardziej poszukiwane technologie — python, cloud, sql, llm, pytorch. Wśród ofert z określonym trybem pracy 25% dotyczy pracy zdalnej. Dane odświeżane codziennie.

Dane na dzień:

Najważniejsze liczby rynku AI / ML / nauka o danych: otwarte oferty, mediana wynagrodzenia, obserwowana pula specjalistów i udział pracy zdalnej.

12 757
otwarte oferty — reposty scalone
$12 583
mediana $/mies.
25%
zdalnie

Rynek AI / ML / nauka o danych ma obecnie 12 757 otwartych ról, w tym świeżo zaobserwowanych: 11 434. Median salary $12 583/mo.

Wśród ofert z określonym trybem pracy 25% dotyczy pracy zdalnej. Banki częściej wymagają hybrydy ze względu na zgodność; w międzynarodowych zespołach AI standardem jest praca w pełni zdalna.

⚠ wynagrodzenie znane dla 1719 z 12757 ofert; udział pracy zdalnej z 10474 z podanym formatem; 11434 liczone jako świeże obserwacje; trendu i trudności rekrutacji nie pokazujemy

Oś czasu: ogłoszenia i źródła

Ile ogłoszeń AI / ML / nauka o danych pojawiało się co tydzień w ciągu 180 dni i z ilu źródeł pochodziły. Dolny wykres oddziela wzrost rynku od wzrostu naszego zasięgu: skok w tygodniu, w którym podłączono nowe źródła, oznacza, że zaczęliśmy widzieć więcej, a nie że rynek urósł.

Nowe ogłoszenia tygodniowo

Dane wykresu
Nowe ogłoszenia tygodniowo. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
OkresNowe ogłoszenia tygodniowo
2026-06-01226
2026-06-08278
2026-06-15202
2026-06-22547
2026-06-291015
2026-07-061323
2026-07-131425
2026-07-20832
2026-07-27479
2026-08-03818
2026-08-10533
2026-08-17679
2026-08-24572
2026-08-31434
2026-09-07596
2026-09-14749
2026-09-212658
2026-09-281853
2026-10-051680
2026-10-124729
2026-10-192620
2026-10-262809
2026-11-022452
2026-11-092770

Aktywne źródła w tygodniu

Źródeł w całym okresie: 372. ▲ — tydzień, w którym podłączono dużo nowych źródeł.

Dane wykresu
Aktywne źródła w tygodniu. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
OkresAktywne źródła
2026-06-0133
2026-06-0839
2026-06-1535
2026-06-2264
2026-06-29110
2026-07-0673
2026-07-13103
2026-07-20121
2026-07-27109
2026-08-0396
2026-08-1063
2026-08-1774
2026-08-2472
2026-08-3177
2026-09-0774
2026-09-1477
2026-09-21111
2026-09-28101
2026-10-05108
2026-10-12101
2026-10-19117
2026-10-26104
2026-11-02115
2026-11-09131
Podłączono nowe źródła: 22 cze +30 · 29 cze +61 · 6 lip +30 · 13 lip +28 · 20 lip +31 · wszystkie tygodnie (23) — w tabeli
TydzieńNowe źródłaNowe ogłoszenia
8 cze+15278
15 cze+9202
22 cze+30547
29 cze+611015
6 lip+301323
13 lip+281425
20 lip+31832
27 lip+13479
3 sie+9818
10 sie+6533
17 sie+8679
24 sie+8572
31 sie+4434
7 wrz+6596
14 wrz+4749
21 wrz+132658
28 wrz+91853
5 paź+71680
12 paź+34729
19 paź+152620
26 paź+42809
2 lis+92452
9 lis+172770

Bieżący tydzień jeszcze się nie skończył i nie jest pokazany: niepełny tydzień wyglądałby jak spadek.

Tydzień = data pierwszego pojawienia się ogłoszenia, wszystkie statusy, 180 dni; źródła = różne kanały zbierania, które w danym tygodniu dały ogłoszenia kierunku; nowe źródła = kanały, które w tym tygodniu dały pierwsze ogłoszenie kierunku.

Dane wykresu
Oś czasu: ogłoszenia i źródła — AI / ML / nauka o danych. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
TydzieńNowe ogłoszenia tygodniowoAktywne źródła
2026-06-0122633
2026-06-0827839
2026-06-1520235
2026-06-2254764
2026-06-291015110
2026-07-06132373
2026-07-131425103
2026-07-20832121
2026-07-27479109
2026-08-0381896
2026-08-1053363
2026-08-1767974
2026-08-2457272
2026-08-3143477
2026-09-0759674
2026-09-1474977
2026-09-212658111
2026-09-281853101
2026-10-051680108
2026-10-124729101
2026-10-192620117
2026-10-262809104
2026-11-022452115
2026-11-092770131

Wynagrodzenia w czasie

Mediana wynagrodzenia AI / ML / nauka o danych tygodniowo, USD miesięcznie.

Mediana wynagrodzenia, USD miesięcznie

Dane wykresu
Mediana wynagrodzenia, USD miesięcznie. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
OkresMedianaOferty z wynagrodzeniem w tygodniu (n)
2026-08-31838012
2026-09-07851115
2026-09-14—8
2026-09-2114 29258
2026-09-28882664
2026-10-05870891
2026-10-1211 637207
2026-10-1912 083513
2026-10-2611 958474
2026-11-0212 500477
2026-11-0912 500535

Seria zaczyna się 31 sie: wcześniej brak danych.

Oferty z wynagrodzeniem w tygodniu (n)

Tylko ogłoszenia z wynagrodzeniem w USD i znanym okresem (miesiąc lub rok), od 500 do 50 000 $ miesięcznie. Tygodnie, w których takich ogłoszeń jest mniej niż 10, są puste — to brak danych, a nie zero.

Dane wykresu
Wynagrodzenia w czasie — AI / ML / nauka o danych. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
TydzieńMediana
2026-06-01—
2026-06-08—
2026-06-15—
2026-06-22—
2026-06-29—
2026-07-06—
2026-07-13—
2026-07-20—
2026-07-27—
2026-08-03—
2026-08-10—
2026-08-17—
2026-08-24—
2026-08-318380
2026-09-078511
2026-09-14—
2026-09-2114 292
2026-09-288826
2026-10-058708
2026-10-1211 637
2026-10-1912 083
2026-10-2611 958
2026-11-0212 500
2026-11-0912 500

Praca zdalna w czasie

Udział ofert AI / ML / nauka o danych z pracą w pełni zdalną, tydzień po tygodniu.

Ogłoszenia zdalne, %

Dane wykresu
Ogłoszenia zdalne, %. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
OkresZdalnie
2026-06-0143,1
2026-06-0827,3
2026-06-1531
2026-06-2235,6
2026-06-2934,1
2026-07-0628,6
2026-07-1326,8
2026-07-2032,3
2026-07-2735,7
2026-08-0324,8
2026-08-1034,3
2026-08-1731,5
2026-08-2431,8
2026-08-3129,1
2026-09-0721,3
2026-09-1420,9
2026-09-2122,5
2026-09-2835,2
2026-10-0532
2026-10-1231,9
2026-10-1929,1
2026-10-2634,4
2026-11-0228,4
2026-11-0929,8

Udział liczony jest wśród ogłoszeń, które podają tryb pracy (zdalnie, hybrydowo, biuro). Tygodnie, w których takich ogłoszeń jest mniej niż 10, są puste.

Dane wykresu
Praca zdalna w czasie — AI / ML / nauka o danych. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
TydzieńZdalnie
2026-06-0143,1
2026-06-0827,3
2026-06-1531
2026-06-2235,6
2026-06-2934,1
2026-07-0628,6
2026-07-1326,8
2026-07-2032,3
2026-07-2735,7
2026-08-0324,8
2026-08-1034,3
2026-08-1731,5
2026-08-2431,8
2026-08-3129,1
2026-09-0721,3
2026-09-1420,9
2026-09-2122,5
2026-09-2835,2
2026-10-0532
2026-10-1231,9
2026-10-1929,1
2026-10-2634,4
2026-11-0228,4
2026-11-0929,8

Technologie w czasie

Jak zmieniał się udział ofert AI / ML / nauka o danych, w których pojawia się każda z czołowych technologii.

Ogłoszenia wymieniające technologię, %

Dane wykresu
Ogłoszenia wymieniające technologię, %. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
OkresPythoncloudSQL
2026-08-1041,312,921,9
2026-08-1735,821,213,8
2026-08-2441,115,713,1
2026-08-3152,518,121,5
2026-09-0739,320,618,7
2026-09-1445,718,423,9
2026-09-2147,73419,3
2026-09-2856,726,827,2
2026-10-0554,430,530,2
2026-10-125229,924
2026-10-1962,233,230,6
2026-10-2662,930,133,2
2026-11-0262,83132,9
2026-11-0965,13134,1
Na wykresie do 5:

Udział wśród ogłoszeń z otagowanym stosem; seria zaczyna się 10 sie: wcześniej tagi stosu nadawano inaczej. Tygodnie z mniej niż 20 otagowanymi ogłoszeniami są puste.

Dane wykresu
Technologie w czasie — AI / ML / nauka o danych. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
TydzieńPythoncloudSQLllmpytorch
2026-08-1041,312,921,918,410,9
2026-08-1735,821,213,816,712,1
2026-08-2441,115,713,121,619,1
2026-08-3152,518,121,513,619,8
2026-09-0739,320,618,714,416,7
2026-09-1445,718,423,918,113,3
2026-09-2147,73419,318,817,1
2026-09-2856,726,827,220,619,4
2026-10-0554,430,530,22218,9
2026-10-125229,92420,316,4
2026-10-1962,233,230,62420,4
2026-10-2662,930,133,228,319,4
2026-11-0262,83132,922,318,3
2026-11-0965,13134,12419

Kraje w czasie

Jak zmieniał się udział ofert AI / ML / nauka o danych w każdym z czołowych krajów, tydzień po tygodniu.

Ogłoszenia w kraju, %

Dane wykresu
Ogłoszenia w kraju, %. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
OkresUSAWielka BrytaniaSingapur
2026-06-0143,850,5
2026-06-0845,883,6
2026-06-15436,51,6
2026-06-2224,94,712,8
2026-06-2923,44,335,1
2026-07-0650,26,111,3
2026-07-1335,4422,4
2026-07-2032,514,311,7
2026-07-2732,28,512
2026-08-0338,619,53,8
2026-08-1040,411,92,3
2026-08-1742,615,31,3
2026-08-244719,71
2026-08-3131,422,14,2
2026-09-0732,3237,6
2026-09-1438,219,72,8
2026-09-2147,510,75,3
2026-09-2837,312,85,7
2026-10-0535,416,23,6
2026-10-1233,19,72,6
2026-10-1937,214,44,2
2026-10-2636,99,54,3
2026-11-0236,212,94,3
2026-11-0941,811,73,6
Na wykresie do 5:

Udział wśród ogłoszeń ze znanym krajem; wykres pokazuje pięć krajów z największą liczbą ogłoszeń w ciągu sześciu miesięcy. Tygodnie z mniej niż 20 ogłoszeniami ze znanym krajem są puste. Rosnący udział może oznaczać nowo podłączone źródło w tym kraju, a nie wzrost rynku.

Dane wykresu
Kraje w czasie — AI / ML / nauka o danych. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
TydzieńUSAWielka BrytaniaSingapurIndieNiemcy
2026-06-0143,850,56,55,5
2026-06-0845,883,6103,2
2026-06-15436,51,63,23,2
2026-06-2224,94,712,88,71,4
2026-06-2923,44,335,14,62
2026-07-0650,26,111,37,11,1
2026-07-1335,4422,411,52,4
2026-07-2032,514,311,772
2026-07-2732,28,5128,72,2
2026-08-0338,619,53,85,74,4
2026-08-1040,411,92,383,4
2026-08-1742,615,31,36,54,9
2026-08-244719,716,12,2
2026-08-3131,422,14,29,12
2026-09-0732,3237,67,40,4
2026-09-1438,219,72,86,72,5
2026-09-2147,510,75,353,6
2026-09-2837,312,85,74,44,8
2026-10-0535,416,23,65,15,2
2026-10-1233,19,72,66,97,2
2026-10-1937,214,44,23,96,2
2026-10-2636,99,54,36,45,6
2026-11-0236,212,94,35,37,2
2026-11-0941,811,73,64,36,2

Czysty rynek: indeks zatrudnienia

Ten sam zestaw 7505 stron kariery pracodawców; liczba ogłoszeń pochodzi z samej strony. Podłączanie nowych źródeł nie rusza tego indeksu — pokazuje rynek, a nie nasz zasięg. To cały rynek panelu, a nie tylko AI / ML / nauka o danych.

Indeks zatrudnienia, 16 paź = 100

Dane wykresu
Indeks zatrudnienia, 16 paź = 100. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
OkresIndeks zatrudnienia
2026-10-16100
2026-10-17100,03
2026-10-1899,76
2026-10-1999,68
2026-10-2099,27
2026-10-2198,6
2026-10-2299,07
2026-10-2397,4
2026-10-2497,41
2026-10-2697,33
2026-10-2796,76
2026-10-2896,21
2026-10-2995,17
2026-10-3095,13
2026-10-3193,65
2026-11-0193,33
2026-11-0292,67
2026-11-0392,65
2026-11-0492,41
2026-11-0592,13
2026-11-0690,44
2026-11-0790,48
2026-11-0890,45
2026-11-1090,29
2026-11-1190,22
2026-11-1390,12
2026-11-1489,7
2026-11-1589,68
2026-11-1689,62
2026-11-1888,91
2026-11-1988,02

Indeks łańcuchowy: każdego dnia porównujemy tylko strony odpytane zarówno tego dnia, jak i poprzedniego; wartości odstające i awarie odpytywania całej platformy są wykluczone. Dni bez porównywalnych par są puste.

Dane wykresu
Czysty rynek: indeks zatrudnienia — AI / ML / nauka o danych. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
DzieńIndeks zatrudnienia
2026-10-16100
2026-10-17100,03
2026-10-1899,76
2026-10-1999,68
2026-10-2099,27
2026-10-2198,6
2026-10-2299,07
2026-10-2397,4
2026-10-2497,41
2026-10-2697,33
2026-10-2796,76
2026-10-2896,21
2026-10-2995,17
2026-10-3095,13
2026-10-3193,65
2026-11-0193,33
2026-11-0292,67
2026-11-0392,65
2026-11-0492,41
2026-11-0592,13
2026-11-0690,44
2026-11-0790,48
2026-11-0890,45
2026-11-1090,29
2026-11-1190,22
2026-11-1390,12
2026-11-1489,7
2026-11-1589,68
2026-11-1689,62
2026-11-1888,91
2026-11-1988,02

Ile jest otwartych ofert AI / ML / nauka o danych i ilu pasujących specjalistów widzi Zorky.

Popyt i obserwowana podaż

Dane wykresu
Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
WskaźnikWartość
Otwarty popyt12 757
Otwarty popyt12 757
Obserwowana podaż— nie publikujemy

W ostatnich tygodniach kierunek AI/ML rósł nieliniowo — gwałtowny wzrost popytu od premier ChatGPT, Claude, Gemini w latach 2023–2025 trwa w 2026. Wahania są normalne; obserwuj ogólny trend.

⚠ kandydaci pasujący do oferty nie są jeszcze liczeni: pokazujemy popyt i obserwowaną pulę

Jak rozkładają się wynagrodzenia w ofertach AI / ML / nauka o danych, w dolarach USA miesięcznie.

Rozkład wynagrodzeń

P25 $8625 · P50 $12 583 · P75 $16 479
Dane wykresu
Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
WskaźnikWartość
<$1k15
$1–2k18
$2–3k27
$3–4k39
$4–5k46
$5–6k71
$6–7k70
$7–8k91
$8–9k85
$9–10k98
$10–12k209
$12–15k361
$15–20k414
$20k+175
Wynagrodzenie w ofertach: baza 12 757
  • nadaje się do obliczeń: 1719 (13,5%)
  • podano, ale nie przeliczono na USD/mies.: 2072 (16,2%)
  • nie podano: 8966 (70,3%)

W co dziesiątej ofercie widełki są poniżej $5434, w co dziesiątej — powyżej $20 000. Połowa ofert proponuje od $8625 do $16 479. Próba: 1719.

Dane wykresu
Rozkład wynagrodzeń — AI / ML / nauka o danych. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
WskaźnikDolna granicaGórna granicaLiczba
<$1k0100015
$1–2k1000200018
$2–3k2000300027
$3–4k3000400039
$4–5k4000500046
$5–6k5000600071
$6–7k6000700070
$7–8k7000800091
$8–9k8000900085
$9–10k900010 00098
$10–12k10 00012 000209
$12–15k12 00015 000361
$15–20k15 00020 000414
$20k+20 000—175

W jakich krajach jest najwięcej otwartych ofert AI / ML / nauka o danych.

Geografia popytu

krajofertyudział
Stany Zjednoczone501445,3%
Wielka Brytania10139,2%
Niemcy6215,6%
Indie5565%
Singapur4594,1%
Polska3833,5%
Kanada3623,3%
Francja3162,9%
Holandia1511,4%
Rosja1361,2%
Pozostałe kraje205318,6%

Liderem pod względem liczby ofert AI/ML są USA (5014 stanowisk), a za nimi główne huby IT WNP i Europy Wschodniej. Ważne: to rozkład w naszych źródłach parsowania, a nie szacunek globalnego rynku.

⚠ tylko liczba ofert: wynagrodzenia według krajów nie są publikowane

Dane wykresu
Geografia popytu — AI / ML / nauka o danych. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
KrajOferty
US5014
GB1013
DE621
IN556
SG459
PL383
CA362
FR316
NL151
RU136

Jakie technologie najczęściej są wymagane w jednej ofercie razem z AI / ML / nauka o danych.

Używana razem z

python
472537%
cloud
253319,9%
sql
229018%
llm
175913,8%
pytorch
144911,4%
aws
135610,6%
azure
8927%
mlops
8226,4%
tensorflow
7846,1%
c++
6955,4%

Udział — ile z 12 757 ofert rynku AI / ML / nauka o danych wymienia tę technologię. Kolejność według liczby ofert, a nie „siły powiązania”. Ogólne pojęcia, jak cloud, to nie konkretna chmura (AWS, Azure).

Najpopularniejszy stack ML/AI engineera w 2026 to Python, PyTorch, TensorFlow, scikit-learn, pandas. PyTorch dominuje w badaniach i startupach AI; TensorFlow to solidny wybór enterprise. HuggingFace Transformers i LangChain to must-have dla AI Engineer.

Najczęstsze pary technologii w ofertach AI/ML: Python+PyTorch, Python+TensorFlow, scikit-learn+pandas, HuggingFace+LangChain, MLflow+Airflow. Jeśli planujesz roadmapę nauki, te połączenia maksymalizują pokrycie rynku.

Dane wykresu
Używana razem z — AI / ML / nauka o danych. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
NazwaLiczba
python4725
cloud2533
sql2290
llm1759
pytorch1449
aws1356
azure892
mlops822
tensorflow784
c++695
docker634
gcp608

Ile jest ofert AI / ML / nauka o danych na każdym poziomie — od junior do principal.

Popyt według poziomu

poziomoferty
senior3420
lead1241
principal1162
junior1072
middle376

Największy wzrost wynagrodzenia następuje między Middle a Senior (opanowanie produkcyjnego ML i MLOps).

⚠ tylko strona popytu: poziom większości obserwowanej puli jest nieznany

Dane wykresu
Popyt według poziomu — AI / ML / nauka o danych. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
PoziomLiczba
senior3420
lead1241
principal1162
junior1072
middle376

Kto najwięcej zatrudnia w obszarze AI / ML / nauka o danych i jak bardzo popyt skupia się u największych firm.

Pracodawcy

Popyt rozkłada się na 4931 pracodawców. Największy odpowiada za 1.4%, pierwsza dziesiątka za 7.5%; pozostałe 92.5% to długi ogon.

największy 1,4%2.–3. 2,1%4.–10. 4,1%pozostali 92,5%
udziałwartość
top-11.4%
top-33.5%
top-107.5%
długi ogon92.5%

Najaktywniej zatrudniają teraz inżynierów ML/AI duże banki, marketplace'y, wyszukiwarki i międzynarodowe startupy AI.

⚠ nazw nie pokazujemy: klasyfikator jeszcze nie odróżnia agencji rekrutacyjnych od pracodawców końcowych

Z jakich stron firm i portali Zorky zbiera oferty AI / ML / nauka o danych.

Gdzie Zorky widzi ten rynek

Obserwowane w 182 źródłach; największe odpowiada za 20.1% — ten rynek nie opiera się na jednym kanale.

Oferty AI/ML pojawiają się w większości głównych źródeł: parsery stron (HH, Habr Career, Djinni, DOU, NoFluffJobs, JustJoin.it) dostarczają większość wolumenu.

Dane wykresu
Gdzie Zorky widzi ten rynek — AI / ML / nauka o danych. Tabela danych sekcji. Brak wartości nie oznacza zera; jednostki i próbę podano w opisie wskaźnika.
KlasaNazwaNazwa angielskaLiczbaUdział
atsATS и карьерные сайтыATS i strony kariery95770,7507
boardджоб-борды и агрегаторыportale pracy i agregatory27700,2171
telegramTelegramTelegram3660,0287
społecznośćсообщества и публичные профилиspołeczność i profile publiczne440,0034

Najnowsze oferty AI / ML / nauka o danych ze stron karier firm.

Najnowsze ogłoszenia

Wszystkie oferty →

Najnowsze otwarte oferty AI/ML/DS — najświeższe 10 stanowisk z odpowiednią jakością opisu. Pełna lista jest dostępna w naszym CRM lub pod linkiem „zobacz wszystkie” poniżej.

Jak to mierzymy
Oferta
otwarta oferta, która przeszła kontrolę jakości i wymienia co najmniej dwie technologie
Obserwowany kandydat
kandydat, którego stack zawiera tę technologię; agregat — żaden pojedynczy rekord nie opuszcza perymetru
Kandydat do dopasowania
jeszcze nie liczone
Okno
oferty otwarte w chwili tworzenia snapshotu

O danych

  • Część przekrojów jest ukryta: pokrycie danymi jest jeszcze niewystarczające.
  • Statystyki pokazujemy tylko tam, gdzie próba przechodzi próg jakości.
  • Brak bloku nie oznacza wartości zero.

Obecnie ukryte przekroje: 8.

Specjalizacje

AI/ML/DS dzieli się na 7 podspecjalizacji: ML Engineer (modele produkcyjne), AI/LLM Engineer (generatywna AI), MLOps (infrastruktura ML), Computer Vision (obrazy i wideo), NLP Engineer (tekst i język), Research Engineer (R&D), Data Scientist (statystyka i testy A/B). Każda nisza ma własne widełki wynagrodzeń — kliknij kartę, by zobaczyć szczegóły.

Inżynier AI / LLMWizja komputerowaSpecjalista data scienceInżynier MLMLOpsInżynier NLPInżynier badawczy

Najczęściej zadawane pytania

Najczęstsze pytania o rynek AI/ML/DS: wynagrodzenia według poziomów, stack (PyTorch vs TensorFlow), ML Engineer vs Data Scientist vs AI Engineer, praca zdalna, od czego zacząć karierę, umiejętności Senior. Odpowiedzi przeliczają się automatycznie na podstawie bieżących danych.

Jakiego stacku najczęściej wymagają oferty ML engineer?

5 najczęstszych technologii w ofertach AI/ML/DS: python, cloud, sql, llm, pytorch. Wymagane podstawowe umiejętności: Python (zaawansowany), statystyka i algebra liniowa, klasyczne ML przez scikit-learn. Deep Learning — jeden z PyTorch (dominuje w badaniach) lub TensorFlow (bardziej przyjazny produkcji). Praca z danymi — pandas, NumPy, Jupyter. SQL jest obowiązkowy. Dla MLOps: MLflow, Kubeflow, Airflow, Docker, Kubernetes. Chmura (AWS SageMaker, GCP Vertex AI) jest wymagana na poziomie Senior.

Kto zarabia więcej — ML Engineer, Data Scientist czy AI Engineer?

Popyt rośnie gwałtownie od premier ChatGPT, Claude i Gemini. Research Engineer (R&D, publikacje na NeurIPS/ICML) — wysoki sufit w międzynarodowych laboratoriach.

Jaki odsetek ofert dotyczy pracy zdalnej?

Wśród ofert z określonym trybem pracy 25% dotyczy pracy zdalnej. Oferty bez określonego trybu nie wchodzą do mianownika; pracy hybrydowej nie zaliczamy do zdalnej.

Czym ML Engineer różni się od Data Scientist i Data Engineer?

ML Engineer — nacisk na produkcję: projektowanie, trenowanie, wdrażanie i monitorowanie modeli ML. Stack: Python, PyTorch/TensorFlow, MLflow, Docker, Kubernetes. Blisko Backend engineera ze specjalizacją ML. Data Scientist — nacisk na badania: statystyka, testy A/B, hipotezy, dashboardy, czasem modele ML. Stack: Python, scikit-learn, Jupyter, pandas, SQL, czasem R. Data Engineer — infrastruktura danych: pipeline'y ETL, hurtownie, strumienie. Stack: Spark, Airflow, Kafka, ClickHouse. Pod względem wynagrodzeń: ML Engineer i AI Engineer zwykle zarabiają więcej niż Data Scientist (bardziej techniczne role); Data Engineer jest blisko ML. Ścieżka kariery: Backend → ML Engineer, Analityk → Data Scientist, Data Engineer ↔ ML Engineer.

Od czego zacząć, żeby zostać ML engineer w 2026?

Optymalna ścieżka: opanuj Pythona (zaawansowany), statystykę i algebrę liniową na poziomie uniwersyteckim, SQL, pandas + NumPy do pracy z danymi. Potem scikit-learn (klasyczne ML: regresja, klasyfikacja, klasteryzacja) i jeden z PyTorch (zalecany do badań) lub TensorFlow. Projekty własne, które dobrze wypadają: projekt ML end-to-end z wdrożeniem produkcyjnym (nie tylko notebook Jupyter), 1–2 konkursy Kaggle ze srebrnym medalem lub wyżej, kontrybucje do bibliotek ML open source. Na poziomie Middle dodaj MLOps (MLflow, Airflow), jedną chmurę (AWS SageMaker lub GCP Vertex AI). Na poziomie Senior — głębokie rozumienie rozproszonego trenowania, serwowania modeli, testów A/B na produkcji.

Ile otwartych ofert zawiera ta próba?

Opublikowana próba zawiera 12757 otwartych ofert po połączeniu ponownych publikacji. To ta sama liczba co we wskaźniku głównym. Sekcja geograficzna opisuje zasięg próby; nie jest to szacunek całego rynku.

Gdzie inżynierowie ML zarabiają więcej — w Rosji czy w Europie?

Głównym czynnikiem różnicy jest waluta kontraktu i typ firmy. Lokalne rosyjskie firmy z kontraktami w rublach zmniejszyły dystans do rynku polskiego w ciągu 2 lat. Gruzja i Armenia przyciągają wielu zdalnych relokantów z międzynarodowymi stawkami.

Jakich umiejętności potrzebuje Senior ML engineer w 2026?

Senior inżynier ML/AI obejmuje pełny stack produkcyjnego ML. Podstawa: Python (zaawansowany), statystyka i algebra liniowa, SQL, pandas, NumPy. Deep Learning: PyTorch lub TensorFlow (jeden dogłębnie). Produkcja: MLflow lub Weights & Biases (eksperymenty), Airflow lub Kubeflow (pipeline'y), jedna chmura ML (SageMaker, Vertex AI). Wzorce architektoniczne: serwowanie modeli (Triton, TorchServe), testy A/B na produkcji, trenowanie rozproszone, wersjonowanie modeli.

Zostaw zgłoszenie

Opisz zadanie i zostaw kontakt — zgłoszenie trafi do naszego CRM, a odpowiemy na podany kontakt.

Wysyłając, akceptujesz: polityka prywatności.