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.
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
| Okres | Nowe ogłoszenia tygodniowo |
|---|---|
| 2026-06-01 | 226 |
| 2026-06-08 | 278 |
| 2026-06-15 | 202 |
| 2026-06-22 | 547 |
| 2026-06-29 | 1015 |
| 2026-07-06 | 1323 |
| 2026-07-13 | 1425 |
| 2026-07-20 | 832 |
| 2026-07-27 | 479 |
| 2026-08-03 | 818 |
| 2026-08-10 | 533 |
| 2026-08-17 | 679 |
| 2026-08-24 | 572 |
| 2026-08-31 | 434 |
| 2026-09-07 | 596 |
| 2026-09-14 | 749 |
| 2026-09-21 | 2658 |
| 2026-09-28 | 1853 |
| 2026-10-05 | 1680 |
| 2026-10-12 | 4729 |
| 2026-10-19 | 2620 |
| 2026-10-26 | 2809 |
| 2026-11-02 | 2452 |
| 2026-11-09 | 2770 |
Aktywne źródła w tygodniu
Źródeł w całym okresie: 372. ▲ — tydzień, w którym podłączono dużo nowych źródeł.
Dane wykresu
| Okres | Aktywne źródła |
|---|---|
| 2026-06-01 | 33 |
| 2026-06-08 | 39 |
| 2026-06-15 | 35 |
| 2026-06-22 | 64 |
| 2026-06-29 | 110 |
| 2026-07-06 | 73 |
| 2026-07-13 | 103 |
| 2026-07-20 | 121 |
| 2026-07-27 | 109 |
| 2026-08-03 | 96 |
| 2026-08-10 | 63 |
| 2026-08-17 | 74 |
| 2026-08-24 | 72 |
| 2026-08-31 | 77 |
| 2026-09-07 | 74 |
| 2026-09-14 | 77 |
| 2026-09-21 | 111 |
| 2026-09-28 | 101 |
| 2026-10-05 | 108 |
| 2026-10-12 | 101 |
| 2026-10-19 | 117 |
| 2026-10-26 | 104 |
| 2026-11-02 | 115 |
| 2026-11-09 | 131 |
Podłączono nowe źródła: 22 cze +30 · 29 cze +61 · 6 lip +30 · 13 lip +28 · 20 lip +31 · wszystkie tygodnie (23) — w tabeli
| Tydzień | Nowe źródła | Nowe ogłoszenia |
|---|---|---|
| 8 cze | +15 | 278 |
| 15 cze | +9 | 202 |
| 22 cze | +30 | 547 |
| 29 cze | +61 | 1015 |
| 6 lip | +30 | 1323 |
| 13 lip | +28 | 1425 |
| 20 lip | +31 | 832 |
| 27 lip | +13 | 479 |
| 3 sie | +9 | 818 |
| 10 sie | +6 | 533 |
| 17 sie | +8 | 679 |
| 24 sie | +8 | 572 |
| 31 sie | +4 | 434 |
| 7 wrz | +6 | 596 |
| 14 wrz | +4 | 749 |
| 21 wrz | +13 | 2658 |
| 28 wrz | +9 | 1853 |
| 5 paź | +7 | 1680 |
| 12 paź | +3 | 4729 |
| 19 paź | +15 | 2620 |
| 26 paź | +4 | 2809 |
| 2 lis | +9 | 2452 |
| 9 lis | +17 | 2770 |
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
| Tydzień | Nowe ogłoszenia tygodniowo | Aktywne źródła |
|---|---|---|
| 2026-06-01 | 226 | 33 |
| 2026-06-08 | 278 | 39 |
| 2026-06-15 | 202 | 35 |
| 2026-06-22 | 547 | 64 |
| 2026-06-29 | 1015 | 110 |
| 2026-07-06 | 1323 | 73 |
| 2026-07-13 | 1425 | 103 |
| 2026-07-20 | 832 | 121 |
| 2026-07-27 | 479 | 109 |
| 2026-08-03 | 818 | 96 |
| 2026-08-10 | 533 | 63 |
| 2026-08-17 | 679 | 74 |
| 2026-08-24 | 572 | 72 |
| 2026-08-31 | 434 | 77 |
| 2026-09-07 | 596 | 74 |
| 2026-09-14 | 749 | 77 |
| 2026-09-21 | 2658 | 111 |
| 2026-09-28 | 1853 | 101 |
| 2026-10-05 | 1680 | 108 |
| 2026-10-12 | 4729 | 101 |
| 2026-10-19 | 2620 | 117 |
| 2026-10-26 | 2809 | 104 |
| 2026-11-02 | 2452 | 115 |
| 2026-11-09 | 2770 | 131 |
Wynagrodzenia w czasie
Mediana wynagrodzenia AI / ML / nauka o danych tygodniowo, USD miesięcznie.
Mediana wynagrodzenia, USD miesięcznie
Dane wykresu
| Okres | Mediana | Oferty z wynagrodzeniem w tygodniu (n) |
|---|---|---|
| 2026-08-31 | 8380 | 12 |
| 2026-09-07 | 8511 | 15 |
| 2026-09-14 | — | 8 |
| 2026-09-21 | 14 292 | 58 |
| 2026-09-28 | 8826 | 64 |
| 2026-10-05 | 8708 | 91 |
| 2026-10-12 | 11 637 | 207 |
| 2026-10-19 | 12 083 | 513 |
| 2026-10-26 | 11 958 | 474 |
| 2026-11-02 | 12 500 | 477 |
| 2026-11-09 | 12 500 | 535 |
Seria zaczyna się 31 sie: wcześniej brak danych.
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
| Tydzień | Mediana |
|---|---|
| 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 | — |
| 2026-08-31 | 8380 |
| 2026-09-07 | 8511 |
| 2026-09-14 | — |
| 2026-09-21 | 14 292 |
| 2026-09-28 | 8826 |
| 2026-10-05 | 8708 |
| 2026-10-12 | 11 637 |
| 2026-10-19 | 12 083 |
| 2026-10-26 | 11 958 |
| 2026-11-02 | 12 500 |
| 2026-11-09 | 12 500 |
Praca zdalna w czasie
Udział ofert AI / ML / nauka o danych z pracą w pełni zdalną, tydzień po tygodniu.
Ogłoszenia zdalne, %
Dane wykresu
| Okres | Zdalnie |
|---|---|
| 2026-06-01 | 43,1 |
| 2026-06-08 | 27,3 |
| 2026-06-15 | 31 |
| 2026-06-22 | 35,6 |
| 2026-06-29 | 34,1 |
| 2026-07-06 | 28,6 |
| 2026-07-13 | 26,8 |
| 2026-07-20 | 32,3 |
| 2026-07-27 | 35,7 |
| 2026-08-03 | 24,8 |
| 2026-08-10 | 34,3 |
| 2026-08-17 | 31,5 |
| 2026-08-24 | 31,8 |
| 2026-08-31 | 29,1 |
| 2026-09-07 | 21,3 |
| 2026-09-14 | 20,9 |
| 2026-09-21 | 22,5 |
| 2026-09-28 | 35,2 |
| 2026-10-05 | 32 |
| 2026-10-12 | 31,9 |
| 2026-10-19 | 29,1 |
| 2026-10-26 | 34,4 |
| 2026-11-02 | 28,4 |
| 2026-11-09 | 29,8 |
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
| Tydzień | Zdalnie |
|---|---|
| 2026-06-01 | 43,1 |
| 2026-06-08 | 27,3 |
| 2026-06-15 | 31 |
| 2026-06-22 | 35,6 |
| 2026-06-29 | 34,1 |
| 2026-07-06 | 28,6 |
| 2026-07-13 | 26,8 |
| 2026-07-20 | 32,3 |
| 2026-07-27 | 35,7 |
| 2026-08-03 | 24,8 |
| 2026-08-10 | 34,3 |
| 2026-08-17 | 31,5 |
| 2026-08-24 | 31,8 |
| 2026-08-31 | 29,1 |
| 2026-09-07 | 21,3 |
| 2026-09-14 | 20,9 |
| 2026-09-21 | 22,5 |
| 2026-09-28 | 35,2 |
| 2026-10-05 | 32 |
| 2026-10-12 | 31,9 |
| 2026-10-19 | 29,1 |
| 2026-10-26 | 34,4 |
| 2026-11-02 | 28,4 |
| 2026-11-09 | 29,8 |
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
| Okres | Python | cloud | SQL |
|---|---|---|---|
| 2026-08-10 | 41,3 | 12,9 | 21,9 |
| 2026-08-17 | 35,8 | 21,2 | 13,8 |
| 2026-08-24 | 41,1 | 15,7 | 13,1 |
| 2026-08-31 | 52,5 | 18,1 | 21,5 |
| 2026-09-07 | 39,3 | 20,6 | 18,7 |
| 2026-09-14 | 45,7 | 18,4 | 23,9 |
| 2026-09-21 | 47,7 | 34 | 19,3 |
| 2026-09-28 | 56,7 | 26,8 | 27,2 |
| 2026-10-05 | 54,4 | 30,5 | 30,2 |
| 2026-10-12 | 52 | 29,9 | 24 |
| 2026-10-19 | 62,2 | 33,2 | 30,6 |
| 2026-10-26 | 62,9 | 30,1 | 33,2 |
| 2026-11-02 | 62,8 | 31 | 32,9 |
| 2026-11-09 | 65,1 | 31 | 34,1 |
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
| Tydzień | Python | cloud | SQL | llm | pytorch |
|---|---|---|---|---|---|
| 2026-08-10 | 41,3 | 12,9 | 21,9 | 18,4 | 10,9 |
| 2026-08-17 | 35,8 | 21,2 | 13,8 | 16,7 | 12,1 |
| 2026-08-24 | 41,1 | 15,7 | 13,1 | 21,6 | 19,1 |
| 2026-08-31 | 52,5 | 18,1 | 21,5 | 13,6 | 19,8 |
| 2026-09-07 | 39,3 | 20,6 | 18,7 | 14,4 | 16,7 |
| 2026-09-14 | 45,7 | 18,4 | 23,9 | 18,1 | 13,3 |
| 2026-09-21 | 47,7 | 34 | 19,3 | 18,8 | 17,1 |
| 2026-09-28 | 56,7 | 26,8 | 27,2 | 20,6 | 19,4 |
| 2026-10-05 | 54,4 | 30,5 | 30,2 | 22 | 18,9 |
| 2026-10-12 | 52 | 29,9 | 24 | 20,3 | 16,4 |
| 2026-10-19 | 62,2 | 33,2 | 30,6 | 24 | 20,4 |
| 2026-10-26 | 62,9 | 30,1 | 33,2 | 28,3 | 19,4 |
| 2026-11-02 | 62,8 | 31 | 32,9 | 22,3 | 18,3 |
| 2026-11-09 | 65,1 | 31 | 34,1 | 24 | 19 |
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
| Okres | USA | Wielka Brytania | Singapur |
|---|---|---|---|
| 2026-06-01 | 43,8 | 5 | 0,5 |
| 2026-06-08 | 45,8 | 8 | 3,6 |
| 2026-06-15 | 43 | 6,5 | 1,6 |
| 2026-06-22 | 24,9 | 4,7 | 12,8 |
| 2026-06-29 | 23,4 | 4,3 | 35,1 |
| 2026-07-06 | 50,2 | 6,1 | 11,3 |
| 2026-07-13 | 35,4 | 4 | 22,4 |
| 2026-07-20 | 32,5 | 14,3 | 11,7 |
| 2026-07-27 | 32,2 | 8,5 | 12 |
| 2026-08-03 | 38,6 | 19,5 | 3,8 |
| 2026-08-10 | 40,4 | 11,9 | 2,3 |
| 2026-08-17 | 42,6 | 15,3 | 1,3 |
| 2026-08-24 | 47 | 19,7 | 1 |
| 2026-08-31 | 31,4 | 22,1 | 4,2 |
| 2026-09-07 | 32,3 | 23 | 7,6 |
| 2026-09-14 | 38,2 | 19,7 | 2,8 |
| 2026-09-21 | 47,5 | 10,7 | 5,3 |
| 2026-09-28 | 37,3 | 12,8 | 5,7 |
| 2026-10-05 | 35,4 | 16,2 | 3,6 |
| 2026-10-12 | 33,1 | 9,7 | 2,6 |
| 2026-10-19 | 37,2 | 14,4 | 4,2 |
| 2026-10-26 | 36,9 | 9,5 | 4,3 |
| 2026-11-02 | 36,2 | 12,9 | 4,3 |
| 2026-11-09 | 41,8 | 11,7 | 3,6 |
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
| Tydzień | USA | Wielka Brytania | Singapur | Indie | Niemcy |
|---|---|---|---|---|---|
| 2026-06-01 | 43,8 | 5 | 0,5 | 6,5 | 5,5 |
| 2026-06-08 | 45,8 | 8 | 3,6 | 10 | 3,2 |
| 2026-06-15 | 43 | 6,5 | 1,6 | 3,2 | 3,2 |
| 2026-06-22 | 24,9 | 4,7 | 12,8 | 8,7 | 1,4 |
| 2026-06-29 | 23,4 | 4,3 | 35,1 | 4,6 | 2 |
| 2026-07-06 | 50,2 | 6,1 | 11,3 | 7,1 | 1,1 |
| 2026-07-13 | 35,4 | 4 | 22,4 | 11,5 | 2,4 |
| 2026-07-20 | 32,5 | 14,3 | 11,7 | 7 | 2 |
| 2026-07-27 | 32,2 | 8,5 | 12 | 8,7 | 2,2 |
| 2026-08-03 | 38,6 | 19,5 | 3,8 | 5,7 | 4,4 |
| 2026-08-10 | 40,4 | 11,9 | 2,3 | 8 | 3,4 |
| 2026-08-17 | 42,6 | 15,3 | 1,3 | 6,5 | 4,9 |
| 2026-08-24 | 47 | 19,7 | 1 | 6,1 | 2,2 |
| 2026-08-31 | 31,4 | 22,1 | 4,2 | 9,1 | 2 |
| 2026-09-07 | 32,3 | 23 | 7,6 | 7,4 | 0,4 |
| 2026-09-14 | 38,2 | 19,7 | 2,8 | 6,7 | 2,5 |
| 2026-09-21 | 47,5 | 10,7 | 5,3 | 5 | 3,6 |
| 2026-09-28 | 37,3 | 12,8 | 5,7 | 4,4 | 4,8 |
| 2026-10-05 | 35,4 | 16,2 | 3,6 | 5,1 | 5,2 |
| 2026-10-12 | 33,1 | 9,7 | 2,6 | 6,9 | 7,2 |
| 2026-10-19 | 37,2 | 14,4 | 4,2 | 3,9 | 6,2 |
| 2026-10-26 | 36,9 | 9,5 | 4,3 | 6,4 | 5,6 |
| 2026-11-02 | 36,2 | 12,9 | 4,3 | 5,3 | 7,2 |
| 2026-11-09 | 41,8 | 11,7 | 3,6 | 4,3 | 6,2 |
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
| Okres | Indeks zatrudnienia |
|---|---|
| 2026-10-16 | 100 |
| 2026-10-17 | 100,03 |
| 2026-10-18 | 99,76 |
| 2026-10-19 | 99,68 |
| 2026-10-20 | 99,27 |
| 2026-10-21 | 98,6 |
| 2026-10-22 | 99,07 |
| 2026-10-23 | 97,4 |
| 2026-10-24 | 97,41 |
| 2026-10-26 | 97,33 |
| 2026-10-27 | 96,76 |
| 2026-10-28 | 96,21 |
| 2026-10-29 | 95,17 |
| 2026-10-30 | 95,13 |
| 2026-10-31 | 93,65 |
| 2026-11-01 | 93,33 |
| 2026-11-02 | 92,67 |
| 2026-11-03 | 92,65 |
| 2026-11-04 | 92,41 |
| 2026-11-05 | 92,13 |
| 2026-11-06 | 90,44 |
| 2026-11-07 | 90,48 |
| 2026-11-08 | 90,45 |
| 2026-11-10 | 90,29 |
| 2026-11-11 | 90,22 |
| 2026-11-13 | 90,12 |
| 2026-11-14 | 89,7 |
| 2026-11-15 | 89,68 |
| 2026-11-16 | 89,62 |
| 2026-11-18 | 88,91 |
| 2026-11-19 | 88,02 |
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
| Dzień | Indeks zatrudnienia |
|---|---|
| 2026-10-16 | 100 |
| 2026-10-17 | 100,03 |
| 2026-10-18 | 99,76 |
| 2026-10-19 | 99,68 |
| 2026-10-20 | 99,27 |
| 2026-10-21 | 98,6 |
| 2026-10-22 | 99,07 |
| 2026-10-23 | 97,4 |
| 2026-10-24 | 97,41 |
| 2026-10-26 | 97,33 |
| 2026-10-27 | 96,76 |
| 2026-10-28 | 96,21 |
| 2026-10-29 | 95,17 |
| 2026-10-30 | 95,13 |
| 2026-10-31 | 93,65 |
| 2026-11-01 | 93,33 |
| 2026-11-02 | 92,67 |
| 2026-11-03 | 92,65 |
| 2026-11-04 | 92,41 |
| 2026-11-05 | 92,13 |
| 2026-11-06 | 90,44 |
| 2026-11-07 | 90,48 |
| 2026-11-08 | 90,45 |
| 2026-11-10 | 90,29 |
| 2026-11-11 | 90,22 |
| 2026-11-13 | 90,12 |
| 2026-11-14 | 89,7 |
| 2026-11-15 | 89,68 |
| 2026-11-16 | 89,62 |
| 2026-11-18 | 88,91 |
| 2026-11-19 | 88,02 |
Ile jest otwartych ofert AI / ML / nauka o danych i ilu pasujących specjalistów widzi Zorky.
Popyt i obserwowana podaż
Dane wykresu
| Wskaźnik | Wartość |
|---|---|
| Otwarty popyt | 12 757 |
| Otwarty popyt | 12 757 |
| 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
Dane wykresu
| Wskaźnik | Wartość |
|---|---|
| <$1k | 15 |
| $1–2k | 18 |
| $2–3k | 27 |
| $3–4k | 39 |
| $4–5k | 46 |
| $5–6k | 71 |
| $6–7k | 70 |
| $7–8k | 91 |
| $8–9k | 85 |
| $9–10k | 98 |
| $10–12k | 209 |
| $12–15k | 361 |
| $15–20k | 414 |
| $20k+ | 175 |
- 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
| Wskaźnik | Dolna granica | Górna granica | Liczba |
|---|---|---|---|
| <$1k | 0 | 1000 | 15 |
| $1–2k | 1000 | 2000 | 18 |
| $2–3k | 2000 | 3000 | 27 |
| $3–4k | 3000 | 4000 | 39 |
| $4–5k | 4000 | 5000 | 46 |
| $5–6k | 5000 | 6000 | 71 |
| $6–7k | 6000 | 7000 | 70 |
| $7–8k | 7000 | 8000 | 91 |
| $8–9k | 8000 | 9000 | 85 |
| $9–10k | 9000 | 10 000 | 98 |
| $10–12k | 10 000 | 12 000 | 209 |
| $12–15k | 12 000 | 15 000 | 361 |
| $15–20k | 15 000 | 20 000 | 414 |
| $20k+ | 20 000 | — | 175 |
W jakich krajach jest najwięcej otwartych ofert AI / ML / nauka o danych.
Geografia popytu
| kraj | oferty | udział |
|---|---|---|
| Stany Zjednoczone | 5014 | 45,3% |
| Wielka Brytania | 1013 | 9,2% |
| Niemcy | 621 | 5,6% |
| Indie | 556 | 5% |
| Singapur | 459 | 4,1% |
| Polska | 383 | 3,5% |
| Kanada | 362 | 3,3% |
| Francja | 316 | 2,9% |
| Holandia | 151 | 1,4% |
| Rosja | 136 | 1,2% |
| Pozostałe kraje | 2053 | 18,6% |
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
| Kraj | Oferty |
|---|---|
| US | 5014 |
| GB | 1013 |
| DE | 621 |
| IN | 556 |
| SG | 459 |
| PL | 383 |
| CA | 362 |
| FR | 316 |
| NL | 151 |
| RU | 136 |
Jakie technologie najczęściej są wymagane w jednej ofercie razem z AI / ML / nauka o danych.
Używana razem z
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
| Nazwa | Liczba |
|---|---|
| python | 4725 |
| cloud | 2533 |
| sql | 2290 |
| llm | 1759 |
| pytorch | 1449 |
| aws | 1356 |
| azure | 892 |
| mlops | 822 |
| tensorflow | 784 |
| c++ | 695 |
| docker | 634 |
| gcp | 608 |
Ile jest ofert AI / ML / nauka o danych na każdym poziomie — od junior do principal.
Popyt według poziomu
| poziom | oferty |
|---|---|
| senior | 3420 |
| lead | 1241 |
| principal | 1162 |
| junior | 1072 |
| middle | 376 |
Największy wzrost wynagrodzenia następuje między Middle a Senior (opanowanie produkcyjnego ML i MLOps).
⚠ tylko strona popytu: poziom większości obserwowanej puli jest nieznany
Dane wykresu
| Poziom | Liczba |
|---|---|
| senior | 3420 |
| lead | 1241 |
| principal | 1162 |
| junior | 1072 |
| middle | 376 |
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.
| udział | wartość |
|---|---|
| top-1 | 1.4% |
| top-3 | 3.5% |
| top-10 | 7.5% |
| długi ogon | 92.5% |
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
| Klasa | Nazwa | Nazwa angielska | Liczba | Udział |
|---|---|---|---|---|
| ats | ATS и карьерные сайты | ATS i strony kariery | 9577 | 0,7507 |
| board | джоб-борды и агрегаторы | portale pracy i agregatory | 2770 | 0,2171 |
| telegram | Telegram | Telegram | 366 | 0,0287 |
| społeczność | сообщества и публичные профили | społeczność i profile publiczne | 44 | 0,0034 |
Najnowsze oferty AI / ML / nauka o danych ze stron karier firm.
Najnowsze ogłoszenia
- Вакансия Senior Data Scientist · BY
- Data Scientist / Monetization Analyst (OLX KZ) · KZ
- Data Scientist (Рекомендательные системы) · RU
- Applied Scientist Intern · US
- Junior LLM / ML Engineer в Москве · RU
- Аналитик данных | Data scientist в JDE · RU
- Manager, Data Science | 8 year(s) | Senior | Lead
- AI-разработчик (Python) · KZ
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.
Sąsiednie rynki
AI/ML/DS to najlepiej płatna specjalizacja IT według mediany w 2026. Kliknij słupek dowolnego kierunku, by szczegółowo porównać wynagrodzenia, stack i dynamikę.
⚠ rynki sąsiednie do porównania nie są jeszcze określone
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.
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.