Usamos cookies técnicos e o registro de visitas anonimizado do Zorky. O Yandex Metrica (dados armazenados em servidores na Rússia) só funciona com o seu consentimento. Nunca vendemos dados. Mais sobre cookies e estatísticas.
O Zorky está em modo de teste — tudo é gratuito. As vagas e as páginas das empresas são abertas a todos; os links dos anúncios e sua seleção pessoal abrem após o cadastro. Cadastre-se →

Engenheiro de ML: mercado

Dados de 19 de novembro de 2026: vagas abertas de Engenheiro de ML — 2.291, 32% remotas entre as vagas que informam o modelo de trabalho; salário mediano anunciado $13.666/mês (de 309 vagas que informam salário). Fonte: Zorky, atualizado diariamente.

ML Engineer — o maior cargo dentro da área de IA/ML/DS (o maior pool entre os subnichos de ML). ML em produção — pega um modelo (próprio ou de um Data Scientist) e o leva até um serviço em produção com SLA estável. Família de cargos: ML Engineer (geral — feature engineering + treinamento + deploy), Senior ML Engineer (pipelines de ML ponta a ponta + escalabilidade), Staff ML Engineer/Principal ML Engineer (arquitetura da plataforma de ML para toda a organização), ML Tech Lead (liderança do time + decisões de infraestrutura de ML), Applied ML Engineer (ML de produto focado em métricas de negócio). Stack: Python (monopólio), PyTorch/TensorFlow/JAX (deep learning — PyTorch domina 2026), scikit-learn+XGBoost+LightGBM+CatBoost (ML clássico — obrigatório), pandas+NumPy+Polars (manipulação de dados), Hugging Face Transformers+LangChain+LlamaIndex (LLM/NLP), MLflow+Weights & Biases+Neptune (rastreamento de experimentos), DVC (versionamento de dados), Airflow/Prefect/Dagster (orquestração), Docker+Kubernetes (deploy), FastAPI+Triton Inference Server+BentoML+TorchServe (serving de modelos), ONNX (inferência entre frameworks), Feast/Tecton (feature stores), Spark+Ray+Dask (computação distribuída), AWS SageMaker/GCP Vertex AI/Azure ML (gerenciados na nuvem). Stack principal: python, cloud, pytorch, llm, aws. Entre as vagas com modalidade de trabalho informada, 32% são remotas.

Dados em:

Os principais números do mercado de Engenheiro de ML: vagas abertas, salário mediano, grupo de especialistas observado e parcela de remoto.

2.291
vagas abertas — por cargo, republicações mescladas
$13.666
mediana $/mês
32%
remoto

O mercado de Engenheiro de ML tem agora 2.291 vagas abertas, 2.024 delas observadas recentemente. Median salary $13.666/mo.

Entre as vagas com modalidade de trabalho informada, 32% são remotas. O trabalho com ML é baseado em nuvem (treinamento em GPUs na nuvem, serving em K8s). Empresas de outsourcing (EPAM AI / Luxoft AI) — quase sempre remoto. Bancos russos (ML bancário do Sber AI) — híbrido/escritório por compliance. Empresas de IA internacionais — totalmente remoto como padrão.

⚠ salário conhecido para 309 de 2291 vagas; participação de remoto a partir de 1926 com formato informado; 2024 contadas como observações recentes; tendência e dificuldade de contratação não são mostradas

Linha do tempo: vagas e fontes

Quantas vagas de Engenheiro de ML apareceram a cada semana desde 1 de jun. e de quantas fontes. O gráfico inferior separa o crescimento do mercado do crescimento da nossa cobertura: um salto na semana em que novas fontes foram conectadas significa que passamos a ver mais, não que o mercado cresceu.

Novas vagas por semana

Dados do gráfico
Novas vagas por semana. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodoNovas vagas por semana
2026-06-01104
2026-06-08142
2026-06-1577
2026-06-22175
2026-06-29332
2026-07-06286
2026-07-13353
2026-07-20283
2026-07-27170
2026-08-03215
2026-08-10128
2026-08-17115
2026-08-24132
2026-08-31115
2026-09-07127
2026-09-14186
2026-09-21612
2026-09-28370
2026-10-05373
2026-10-12794
2026-10-19492
2026-10-26519
2026-11-02406
2026-11-09463

Fontes ativas por semana

Fontes no período: 217. ▲ — semana em que muitas fontes novas foram conectadas.

Dados do gráfico
Fontes ativas por semana. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodoFontes ativas
2026-06-0117
2026-06-0823
2026-06-1515
2026-06-2232
2026-06-2953
2026-07-0644
2026-07-1354
2026-07-2057
2026-07-2746
2026-08-0346
2026-08-1031
2026-08-1729
2026-08-2435
2026-08-3140
2026-09-0741
2026-09-1435
2026-09-2156
2026-09-2852
2026-10-0561
2026-10-1263
2026-10-1966
2026-10-2666
2026-11-0263
2026-11-0976
Novas fontes conectadas: 29 de jun. +30 · 6 de jul. +18 · 13 de jul. +18 · todas as semanas (23) na tabela
SemanaFontes novasVagas novas
8 de jun.+11142
15 de jun.+277
22 de jun.+15175
29 de jun.+30332
6 de jul.+18286
13 de jul.+18353
20 de jul.+11283
27 de jul.+8170
3 de ago.+2215
10 de ago.+7128
17 de ago.+2115
24 de ago.+5132
31 de ago.+9115
7 de set.+4127
14 de set.+4186
21 de set.+10612
28 de set.+3370
5 de out.+10373
12 de out.+3794
19 de out.+9492
26 de out.+4519
2 de nov.+5406
9 de nov.+10463

A semana atual ainda não terminou e não é exibida: uma semana incompleta pareceria uma queda.

Semana = data em que a vaga foi vista pela primeira vez, todos os status; as vagas são selecionadas pela mesma regra do contador desta página. Fontes são canais de coleta distintos; seus nomes não são publicados.

Dados do gráfico
Linha do tempo: vagas e fontes — Engenheiro de ML. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
SemanaNovas vagas por semanaFontes ativas
2026-06-0110417
2026-06-0814223
2026-06-157715
2026-06-2217532
2026-06-2933253
2026-07-0628644
2026-07-1335354
2026-07-2028357
2026-07-2717046
2026-08-0321546
2026-08-1012831
2026-08-1711529
2026-08-2413235
2026-08-3111540
2026-09-0712741
2026-09-1418635
2026-09-2161256
2026-09-2837052
2026-10-0537361
2026-10-1279463
2026-10-1949266
2026-10-2651966
2026-11-0240663
2026-11-0946376

Os salários ao longo do tempo

Salário mediano de Engenheiro de ML por semana, USD por mês.

Salário mediano, USD por mês

Dados do gráfico
Salário mediano, USD por mês. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodoMedianaVagas com salário por semana (n)
2026-09-2112.54516
2026-09-2810.23828
2026-10-059.45739
2026-10-129.80556
2026-10-1913.91992
2026-10-2613.13493
2026-11-0213.75085
2026-11-0912.929110

A série começa em 21 de set.: antes disso não há dados.

Vagas com salário por semana (n)

Apenas vagas com salário em USD e período conhecido (mês ou ano), de US$ 500 a US$ 50.000 por mês. Semanas com menos de 10 vagas assim ficam em branco — isso significa sem dados, não zero.

Dados do gráfico
Os salários ao longo do tempo — Engenheiro de ML. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
SemanaMediana
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—
2026-09-07—
2026-09-14—
2026-09-2112.545
2026-09-2810.238
2026-10-059.457
2026-10-129.805
2026-10-1913.919
2026-10-2613.134
2026-11-0213.750
2026-11-0912.929

O trabalho remoto ao longo do tempo

Proporção de vagas de Engenheiro de ML com trabalho totalmente remoto, por semana.

Vagas remotas, %

Dados do gráfico
Vagas remotas, %. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodoRemoto
2026-06-0144,4
2026-06-0819,1
2026-06-1511,5
2026-06-2222
2026-06-2925,5
2026-07-0634,2
2026-07-1328,4
2026-07-2047,3
2026-07-2736,5
2026-08-0331,2
2026-08-1034,3
2026-08-1741,8
2026-08-2441,7
2026-08-3134,6
2026-09-0728,4
2026-09-1425
2026-09-2128
2026-09-2835,7
2026-10-0537,6
2026-10-1238,8
2026-10-1937,8
2026-10-2646,9
2026-11-0235,1
2026-11-0935,3

A proporção é calculada entre as vagas que informam o formato (remoto, híbrido, escritório). Semanas com menos de 10 vagas assim ficam em branco.

Dados do gráfico
O trabalho remoto ao longo do tempo — Engenheiro de ML. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
SemanaRemoto
2026-06-0144,4
2026-06-0819,1
2026-06-1511,5
2026-06-2222
2026-06-2925,5
2026-07-0634,2
2026-07-1328,4
2026-07-2047,3
2026-07-2736,5
2026-08-0331,2
2026-08-1034,3
2026-08-1741,8
2026-08-2441,7
2026-08-3134,6
2026-09-0728,4
2026-09-1425
2026-09-2128
2026-09-2835,7
2026-10-0537,6
2026-10-1238,8
2026-10-1937,8
2026-10-2646,9
2026-11-0235,1
2026-11-0935,3

As tecnologias ao longo do tempo

Como mudou a proporção de vagas de Engenheiro de ML que mencionam cada uma das principais tecnologias.

Vagas que mencionam a tecnologia, %

Dados do gráfico
Vagas que mencionam a tecnologia, %. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodoPythoncloudllm
2026-08-10402017,8
2026-08-1737,726,430,2
2026-08-24322025,3
2026-08-3148,123,126,9
2026-09-0734,513,829,3
2026-09-1437,226,921,8
2026-09-2155,536,132,3
2026-09-2859,933,728,2
2026-10-0563,139,735,9
2026-10-1255,635,428,6
2026-10-196341,244,3
2026-10-2666,637,935,1
2026-11-026529,135,6
2026-11-0968,937,736,6
Até 5 no gráfico:

Proporção entre as vagas com stack marcado; a série começa em 10 de ago.: antes as tags de stack eram atribuídas de outra forma. Semanas com menos de 20 vagas marcadas ficam em branco.

Dados do gráfico
As tecnologias ao longo do tempo — Engenheiro de ML. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
SemanaPythoncloudllmpytorchAWS
2026-08-10402017,88,98,9
2026-08-1737,726,430,2179,4
2026-08-24322025,318,76,7
2026-08-3148,123,126,917,311,5
2026-09-0734,513,829,320,713,8
2026-09-1437,226,921,819,26,4
2026-09-2155,536,132,332,916
2026-09-2859,933,728,236,922,6
2026-10-0563,139,735,933,827,5
2026-10-1255,635,428,632,220,2
2026-10-196341,244,334,326,7
2026-10-2666,637,935,132,927,2
2026-11-026529,135,637,416,3
2026-11-0968,937,736,636,329,5

Países ao longo do tempo

Como mudou, por semana, a proporção de vagas de Engenheiro de ML em cada um dos principais países.

Vagas no país, %

Dados do gráfico
Vagas no país, %. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodoEUAReino UnidoSingapura
2026-06-0164,620
2026-06-0868,90,83,8
2026-06-1565,85,51,4
2026-06-2233,11,218,4
2026-06-2918,20,747,9
2026-07-0652,26,56,1
2026-07-1345,63,311,8
2026-07-2038,88,615,5
2026-07-2750,7311,9
2026-08-0340,215,66,1
2026-08-1038,214,72,9
2026-08-173814,10
2026-08-2433,624,30
2026-08-3121,1301,1
2026-09-0730,928,72,1
2026-09-143827,22,5
2026-09-2143,6147,5
2026-09-2830,219,96,9
2026-10-0531,818,24,5
2026-10-1232,111,22
2026-10-1929,114,34,4
2026-10-2629,2123,9
2026-11-0235,9148,6
2026-11-0944,9112,2
Até 5 no gráfico:

Proporção entre as vagas com país conhecido; o gráfico mostra os cinco países com mais vagas em seis meses. Semanas com menos de 20 vagas com país conhecido ficam em branco. Uma proporção em alta pode indicar uma fonte recém-conectada naquele país, e não crescimento do mercado.

Dados do gráfico
Países ao longo do tempo — Engenheiro de ML. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
SemanaEUAReino UnidoSingapuraPolôniaÍndia
2026-06-0164,62016,26,1
2026-06-0868,90,83,86,86,8
2026-06-1565,85,51,46,82,7
2026-06-2233,11,218,421,53,7
2026-06-2918,20,747,94,35,9
2026-07-0652,26,56,14,94,9
2026-07-1345,63,311,83,69,2
2026-07-2038,88,615,513,55,7
2026-07-2750,7311,910,44,5
2026-08-0340,215,66,14,55,6
2026-08-1038,214,72,929,8
2026-08-173814,1004,3
2026-08-2433,624,303,78,4
2026-08-3121,1301,11,18,9
2026-09-0730,928,72,12,19,6
2026-09-143827,22,53,85,7
2026-09-2143,6147,52,24,9
2026-09-2830,219,96,98,56,9
2026-10-0531,818,24,59,96,4
2026-10-1232,111,228,28
2026-10-1929,114,34,49,96,2
2026-10-2629,2123,95,67,2
2026-11-0235,9148,646
2026-11-0944,9112,26,84,9

Mercado limpo: índice de contratação

Os mesmos 7.505 sites de carreira de empregadores; o número de vagas vem do próprio site. Conectar novas fontes não move este índice — ele mostra o mercado, não a nossa cobertura. É todo o mercado do painel, não apenas Engenheiro de ML.

Índice de contratação, 16 de out. = 100

Dados do gráfico
Índice de contratação, 16 de out. = 100. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodoÍndice de contratação
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

Índice encadeado: cada dia compara apenas os sites consultados naquele dia e no anterior; valores discrepantes e falhas de consulta de uma plataforma inteira são excluídos. Dias sem pares comparáveis ficam em branco.

Dados do gráfico
Mercado limpo: índice de contratação — Engenheiro de ML. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
DiaÍndice de contratação
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

Quantas vagas abertas de Engenheiro de ML existem e quantos especialistas compatíveis o Zorky observa.

Demanda e oferta observada

Dados do gráfico
Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
IndicadorValor
Demanda aberta2.291
Demanda aberta2.291
Oferta observada— não publicado

ML Engineer — o maior cargo de IA/ML, crescimento da demanda 2026 impulsionado pelo boom de LLM/IA Generativa: implantação de Foundation Models, aplicações de RAG, agentes de IA, produtos de voz/multimodais. Empresas de produto russas — fluxo estável. A AI Practice da EPAM/Luxoft — o maior canal de outsourcing para projetos de IA dos EUA.

⚠ candidatos compatíveis com uma vaga ainda não são contados: são mostrados a demanda e o pool observado

Como se distribuem os salários nas vagas de Engenheiro de ML, em dólares americanos por mês.

Distribuição de salários

P25 $9.600 · P50 $13.666 · P75 $17.416
Dados do gráfico
Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
IndicadorValor
<$1k4
$1–2k2
$2–3k7
$3–4k7
$4–5k9
$5–6k14
$6–7k11
$7–8k4
$8–9k9
$9–10k16
$10–12k31
$12–15k68
$15–20k83
$20k+44
Salário nas vagas: base 2.291
  • utilizável no cálculo: 309 (13,5%)
  • informado, mas não convertido para USD/mês: 372 (16,2%)
  • não informado: 1.610 (70,3%)

Uma em cada dez vagas oferece menos de $5.027, uma em cada dez mais de $20.916. Metade das vagas oferece entre $9.600 e $17.416. Amostra: 309.

Dados do gráfico
Distribuição de salários — Engenheiro de ML. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
IndicadorLimite inferiorLimite superiorQuantidade
<$1k01.0004
$1–2k1.0002.0002
$2–3k2.0003.0007
$3–4k3.0004.0007
$4–5k4.0005.0009
$5–6k5.0006.00014
$6–7k6.0007.00011
$7–8k7.0008.0004
$8–9k8.0009.0009
$9–10k9.00010.00016
$10–12k10.00012.00031
$12–15k12.00015.00068
$15–20k15.00020.00083
$20k+20.000—44

Em quais países há mais vagas abertas de Engenheiro de ML.

Geografia da demanda

paísvagasproporção
Estados Unidos88245,9%
Reino Unido1608,3%
Índia1206,2%
Polônia1176,1%
Singapura864,5%
Canadá633,3%
Alemanha583%
França382%
Rússia341,8%
Países Baixos261,4%
Outros países33817,6%

O líder em número de vagas de ML Engineer é os EUA (882 vagas). A Polônia — hub da UE amigável a IA (Varsóvia/Cracóvia). A Alemanha — cluster de startups de IA de Berlim.

⚠ apenas número de vagas: o salário por país não é publicado

Dados do gráfico
Geografia da demanda — Engenheiro de ML. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PaísVagas
US882
GB160
IN120
PL117
SG86
CA63
DE58
FR38
RU34
NL26

Quais tecnologias são mais pedidas na mesma vaga que Engenheiro de ML.

Usada junto com

python
93540,8%
cloud
57225%
llm
52122,7%
pytorch
51422,4%
aws
38416,8%
mlops
31313,7%
tensorflow
25911,3%
docker
25811,3%
azure
25010,9%
fine-tuning
2259,8%

Participação: quantas das 2.291 vagas do mercado Engenheiro de ML mencionam esta tecnologia. Ordenado pelo número de vagas, não pela “força da associação”. Termos genéricos como cloud não são uma nuvem específica (AWS, Azure).

Top stack de ML Engineer 2026: Python (monopólio), PyTorch / TensorFlow / JAX (PyTorch domina), scikit-learn + XGBoost + LightGBM + CatBoost (clássico), pandas + NumPy + Polars (dados), Hugging Face + LangChain + LlamaIndex (LLM/NLP), sentence-transformers + Pinecone / Weaviate / Qdrant / Milvus (bancos vetoriais / RAG), MLflow + W&B + Neptune (tracking de experimentos), DVC, Airflow / Prefect / Dagster, Docker + Kubernetes, FastAPI + Triton Inference Server + BentoML + TorchServe + vLLM / TGI / SGLang (serving de LLM), ONNX, Feast / Tecton (feature stores), Ray + Spark + Dask, AWS SageMaker / GCP Vertex AI / Azure ML, Optuna, Evidently AI (drift). Add-ons de Senior: fine-tuning LoRA / QLoRA, quantização, destilação.

Pares comuns: Python + PyTorch + Hugging Face, Python + scikit-learn + XGBoost + LightGBM, MLflow + DVC + Airflow, Docker + Kubernetes + Triton Inference Server, FastAPI + Triton + ONNX, LangChain + Pinecone + OpenAI API, Ray + PyTorch DDP (treinamento distribuído), Feast + Spark + Snowflake. Roadmap de aprendizado: Python + matemática → ML clássico (sklearn / XGBoost) → Deep Learning (PyTorch) → MLOps (MLflow + Docker + K8s) → especialização em LLM (Hugging Face + LangChain + RAG) → treinamento distribuído (Ray) → ML gerenciado em nuvem (SageMaker / Vertex AI).

Dados do gráfico
Usada junto com — Engenheiro de ML. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
NomeQuantidade
python935
cloud572
llm521
pytorch514
aws384
mlops313
tensorflow259
docker258
azure250
fine-tuning225
kubernetes225
gcp181

Quantas vagas de Engenheiro de ML há em cada nível, de júnior a principal.

Demanda por nível

nívelvagas
senior794
principal341
junior102
lead90
middle87

Júnior — raro, entrada típica via Data Analyst → ML Júnior ou Backend Pleno → ML Júnior. Fluxo de carreira: Júnior (1-2 anos) → Pleno (2-3 anos) → Sênior → ou Staff / Principal ML Engineer (técnico profundo), ML Tech Lead / Engineering Manager, um movimento para Research (com PhD), ou ML CTO/Founder numa startup de IA.

⚠ apenas o lado da demanda: a senioridade do pool observado é desconhecida na maior parte

Dados do gráfico
Demanda por nível — Engenheiro de ML. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
NívelQuantidade
senior794
principal341
junior102
lead90
middle87

Quem mais contrata em Engenheiro de ML e quanto a demanda se concentra nas maiores empresas.

Empregadores

A demanda está distribuída entre 1.312 empregadores. O maior responde por 1.7%, os dez primeiros por 8.6%; os 91.4% restantes são cauda longa.

o maior 1,7%2.º–3.º 2,2%4.º–10.º 4,7%os demais 91,4%
proporçãovalor
top 11.7%
top 33.9%
top 108.6%
cauda longa91.4%

⚠ os nomes não são mostrados: o classificador ainda não distingue agências de recrutamento de empregadores finais

De quais sites de empresas e portais de vagas o Zorky coleta as vagas de Engenheiro de ML.

Onde o Zorky vê este mercado

Observado em 109 fontes; a maior responde por 20.7%: este mercado não depende de um único canal.

Vagas de ML Engineer: hh.ru, Habr Career, getmatch, Djinni, LinkedIn (enorme segmento internacional de IA), NoFluffJobs / JustJoin.it (Polônia amigável a IA), Telegram, páginas de carreira de EPAM AI / Luxoft AI / Andersen AI, boards especializados aijobs.net + ai-jobs.net + builtin.com/jobs/ai, Y Combinator Work at a Startup, páginas de carreira de startups de IA.

Dados do gráfico
Onde o Zorky vê este mercado — Engenheiro de ML. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
ClasseNomeNome em inglêsQuantidadeProporção
atsATS и карьерные сайтыATS e sites de carreira1.5460,6748
boardджоб-борды и агрегаторыsites de vagas e agregadores6160,2689
telegramTelegramTelegram1150,0502
comunidadeсообщества и публичные профилиcomunidade e perfis públicos140,0061

As vagas de Engenheiro de ML mais recentes dos sites de carreira das empresas.

Vagas recentes

Todas as vagas →

Vagas de ML Engineer abertas mais recentes — as 10 posições mais recentes com qualidade de descrição adequada. A lista completa está no nosso CRM ou pelo link "ver todas" abaixo.

Como é medido
Vaga
uma vaga aberta que passou pelo filtro de qualidade e lista pelo menos duas tecnologias
Candidato observado
um candidato cujo stack contém esta tecnologia; um agregado — nenhum registro individual sai do perímetro
Candidato compatível
ainda não contado
Janela
vagas abertas no momento em que o snapshot foi gerado

Sobre os dados

  • Alguns detalhamentos estão ocultos: a cobertura de dados deles ainda não é suficiente.
  • As estatísticas só aparecem onde a amostra passa por um controle de qualidade.
  • A ausência de um bloco não significa valor zero.

Detalhamentos ocultos no momento: 8.

Área: IA / ML / Data Science

Especializações relacionadas

Dentro de ML Engineer: ML Engineer geral (universal, recsys/NLP/CV/fraude), Applied ML Engineer (foco em produto + métricas de negócio), Senior ML Engineer (pipelines de ponta a ponta + escalonamento), Staff / Principal ML Engineer (arquitetura de plataforma de ML para a organização), ML Tech Lead (liderança de time), ML Platform Engineer (infraestrutura para outros times de ML). A comparação com data-scientist/research/mlops — na barra abaixo.

Engenheiro de IA / LLMVisão ComputacionalCientista de DadosMLOpsEngenheiro de PLNEngenheiro de Pesquisa

Perguntas frequentes

As perguntas mais comuns sobre ML Engineer: pagamento, ML Engineer vs DS vs Research vs MLOps, stack de pipeline de ML em produção (10 componentes), como difere de Applied ML, remoto, como começar (8-14 meses a partir de Data Analyst / Backend Middle), skills de Senior (domínio de LLM + MLOps + distribuído). As respostas se recalculam automaticamente.

Quanto ganha um ML Engineer Júnior, Pleno, Sênior ou Lead?

Junior ML Engineer — raro (o mercado começa com Data Analyst ou Backend → ML). O salto Júnior → Pleno — depois de dominar o primeiro pipeline de ML em produção de ponta a ponta (feature engineering → treinamento → deploy → monitoramento). Pleno → Sênior — propriedade multi-pipeline + experiência com LLM/RAG + escalonamento de treinamento distribuído + otimização de custo. Sênior → Staff/Principal — arquitetura de plataforma de ML, estratégia de ML multi-time. Fluxo de carreira: Data Analyst (1-2 anos) → Junior ML Engineer (1-2 anos) → Pleno (2-3 anos) → Sênior → ou Staff ML Engineer (técnico profundo), ML Tech Lead (gestão), um movimento para Research (trilha de PhD), ou ML Founder/CTO numa startup.

De qual stack um ML Engineer mais precisa?

Top 5: python, cloud, pytorch, llm, aws. Python é o monopólio (R quase não aparece em ML de produção 2026). ML clássico: scikit-learn + XGBoost + LightGBM + CatBoost — base, obrigatório para dados tabulares. Manipulação de dados: pandas + NumPy + Polars (moderno, em ascensão 2026 — 10-100× mais rápido), PyArrow para dados cross-framework. Computer Vision: OpenCV, torchvision, Detectron2, MMDetection, Ultralytics YOLO. Experiment tracking: MLflow (padrão open-source) ou Weights & Biases (UI premium) ou Neptune. Data version control: DVC. Orquestração: Airflow + Prefect + Dagster (um a fundo). Deployment: domínio de Docker + Kubernetes, FastAPI + Triton Inference Server + BentoML + TorchServe (um a fundo). Inferência cross-framework: ONNX. Feature stores: Feast (open-source) ou Tecton (gerenciado). Compute distribuído: Spark + Ray + Dask. ML cloud-managed: AWS SageMaker / GCP Vertex AI / Azure ML (um a fundo). Extras de Senior: quantization (quantização do PyTorch, bitsandbytes), distillation, fine-tuning LoRA/QLoRA, vLLM/TGI/SGLang para LLM serving, Optuna para hyperparameter tuning.

ML Engineer vs Data Scientist vs Research vs MLOps — qual é a diferença?

Data Scientist — foco na formulação de problemas de negócio + modelagem estatística + testes A/B + comunicação de insights. Stack: pandas + sklearn + Jupyter + SQL + Tableau/Looker. Menos carregado de infraestrutura. Veja Data Scientist. ML Engineer (esta página) — foco em pipelines de ML em produção + implantação + escalabilidade. Stack como o de DS + Docker/K8s + MLflow + Airflow + ML gerenciado na nuvem. Research Engineer / Scientist — foco em novos modelos, papers, arquiteturas inéditas. Muitas vezes trilha de PhD. Stack: PyTorch a fundo + JAX + infraestrutura intensa em experimentos. Veja Research Engineer / Scientist. MLOps Engineer — foco na infraestrutura da plataforma de ML (feature stores, model registry, monitoramento, observabilidade, otimização de custos). Stack: K8s + Terraform + MLflow/Kubeflow + Prometheus/Grafana + nuvem. Veja MLOps Engineer. Mudança de carreira ML Engineer ↔ DS — 1-3 meses. ML Engineer ↔ MLOps — 2-4 meses (se houver base de K8s). O caminho de pesquisa exige PhD ou 3+ anos de especialização profunda.

Como é o stack do pipeline de ML em produção em 2026?

Stack para ML em produção de referência 2026: 1) Ingestão de dados — Airflow/Prefect/Dagster puxa dados brutos dos sistemas de origem (DB/Kafka/S3). 2) Feature engineering — Spark/Pandas/Polars transforma → Feature Store (Feast ou Tecton — armazenamento centralizado, correção point-in-time, serving online+offline). 3) Experimentação — Jupyter + tracking W&B/MLflow + DVC para versionamento de dados + Optuna para busca de hiperparâmetros. 4) Treinamento — Ray Train ou PyTorch Lightning + distribuído (multi-GPU/multi-node), checkpointing em S3/GCS, quantização (INT8/FP16) para custo de inferência. 5) Model registry — MLflow Model Registry ou SageMaker Model Registry (versionamento + estágios: staging/production/archived). 6) Validação — testes automatizados (data drift, qualidade de predição), shadow deployment, configuração de teste A/B. 7) Serving — Triton Inference Server (NVIDIA, multi-framework + dynamic batching) ou BentoML ou TorchServe ou vLLM (para LLM). Wrapper FastAPI para o contrato de API. 8) Deployment — Kubernetes (padrão de produção) + Helm + ArgoCD para GitOps. 9) Monitoramento — Prometheus + Grafana (latência/throughput/taxa de erro) + detecção de drift customizada (Evidently AI/WhyLabs) + dashboards de custo. 10) Loop de feedback — logar predições + ground truth → gatilho de retreinamento. Plataforma de ML para toda a organização — Kubeflow ou Metaflow ou SageMaker Pipelines. Stack específica de LLM: vLLM/TGI/SGLang para serving + prompt engineering (LangChain/LlamaIndex) + RAG (vector DBs Pinecone/Weaviate/Qdrant) + fine-tuning via LoRA/QLoRA + avaliação (RAGAS, DeepEval, benchmarks customizados).

Qual é a proporção de vagas remotas?

Entre as vagas com modalidade de trabalho informada, 32% são remotas. Vagas sem modalidade informada são excluídas do denominador; trabalho híbrido não é contado como remoto.

Em que o ML Engineer difere do Applied ML Engineer?

ML Engineer (geral) — pode atuar em qualquer domínio de ML (recsys, NLP, CV, detecção de fraude, ranqueamento). O stack é universal. Applied ML Engineer — foco em uma tarefa específica de ML do produto + responsabilidade por métricas de negócio (CTR, conversão, aumento de receita). O stack é o mesmo, mas soma-se pensamento de produto + domínio de testes A/B + comunicação com stakeholders. Remuneração comparável (mediana), mas em empresas de produto o Applied ML costuma ser um pouco mais alto no nível Sênior graças à responsabilidade pelo impacto no negócio. ML Platform Engineer (um subnicho separado — mais próximo de MLOps) — constrói infraestrutura para outros ML Engineers (Feature Store, infraestrutura de MLflow, plataforma de treinamento). Escolha de carreira: ML Engineer se universalidade e portabilidade importam mais, Applied ML Engineer se o impacto no produto é o que interessa, ML Platform Engineer se infraestrutura e ferramentas. Os três são caminhos legítimos para Sênior+, nenhum é melhor ou pior.

Por onde começar em ML Engineering em 2026?

Roadmap: 1) Python a fundo até o nível Backend Middle (clean code, design patterns, async). Livros: "Fluent Python" Ramalho, "Effective Python" Slatkin. 2) Matemática — álgebra linear + cálculo + probabilidade/estatística no nível de "entender o que está por trás do backprop". MIT 18.06 Linear Algebra (Strang), 3Blue1Brown "Essence of Linear Algebra". 3) ML clássico — domínio de scikit-learn + XGBoost + LightGBM. Andrew Ng "Machine Learning Specialization" (Coursera). Livro "Hands-On Machine Learning" Géron (leitura obrigatória 2026). 4) Deep Learning — PyTorch a fundo (forward/backward/optimizers/training loops do zero). "Deep Learning Specialization" Andrew Ng. "Deep Learning with PyTorch" Stevens. 5) Track NLP/LLM: curso da Hugging Face (gratuito) → fine-tuning de LLMs pequenos (Mistral 7B/Llama 3 8B) com LoRA/QLoRA → construa uma aplicação RAG com LangChain + Qdrant. 6) Track de Computer Vision (alternativa): torchvision + Detectron2 + Ultralytics YOLO + treinamento com dataset customizado. 7) Noções de MLOps: MLflow + DVC + Airflow + Docker + Kubernetes para serving de ML. "Designing Machine Learning Systems" Chip Huyen — leitura obrigatória para ML em produção. 8) ML em cloud: um de AWS SageMaker / GCP Vertex AI / Azure ML — faça um tutorial e2e. 9) Treinamento distribuído: Ray Train + PyTorch DDP. 10) Pet project: sistema de ML e2e completo (pipeline de dados + feature store + treinamento + tracking MLflow + deployment em Kubernetes + monitoramento) em um dataset aberto (Kaggle). Internacional (EN): fast.ai "Practical Deep Learning", Hugging Face NLP Course, DeepLearning.AI (Andrew Ng). Livros clássicos: "Pattern Recognition and Machine Learning" Bishop, "The Hundred-Page Machine Learning Book" Burkov. Conferências: NeurIPS, ICML, ICLR (papers — leitura obrigatória para Senior). Data Analyst ou Backend Middle → ML Engineer Junior — 8-14 meses.

Quantas vagas abertas estão nesta amostra?

A amostra publicada contém 2291 vagas abertas após agrupar republicações. É o mesmo número do indicador principal. A seção geográfica descreve a cobertura da amostra; não é uma estimativa de todo o mercado.

De quais skills um Senior ML Engineer precisa?

Um ML Engineer Sênior é dono do ciclo completo de ML em produção + liderança técnica. Domínio de programação: Python no nível de Backend Sênior (código limpo, async, profiling, otimização de memória). Fundamentos matemáticos: álgebra linear + cálculo + probabilidade no nível de "ler artigos sem travar". Domínio de ML clássico: feature engineering profunda, justificativa da escolha de modelos, calibração, trade-offs entre métricas de avaliação, design de modelos alinhado ao negócio. Domínio de Deep Learning: PyTorch a fundo (Layers/Modules/Optimizers personalizados), treinamento distribuído (DDP, FSDP), precisão mista, quantização (INT8/FP16), destilação, exportação para ONNX. Domínio de LLMs (2026 obrigatório para Sênior): fine-tuning via LoRA/QLoRA, engenharia de prompts, arquitetura RAG (bancos vetoriais Pinecone/Weaviate/Qdrant), avaliação (RAGAS, DeepEval), vLLM/TGI/SGLang para serving. MLOps: domínio de MLflow / W&B, DVC, Airflow / Prefect / Dagster, Feature Stores (Feast / Tecton), domínio de Docker + Kubernetes para serving de ML, Helm + ArgoCD. ML em nuvem: uma entre AWS SageMaker / GCP Vertex AI / Azure ML a fundo. Computação distribuída: domínio de Ray + Spark. Monitoramento: integração de Prometheus + Grafana + Evidently AI (detecção de drift). Otimização de custos: utilização de GPU, dimensionamento de lotes, quantização de modelos, estratégias de cache. System design para ML: projetar sistemas de ML no quadro branco na escala de 100M+ usuários (sistemas de recomendação / antifraude / ranqueamento / chatbot). Soft skills: leitura de artigos (NeurIPS / ICML / ICLR), redação técnica (ADRs, documentos de design), code review para vários times, mentoria de ML Engineers Pleno, comunicação com times de produto/dados/backend, design de testes A/B + análise estatística. Inglês para Sênior+ OBRIGATÓRIO — a comunidade e os artigos de ML/IA são em inglês. Bônus: contribuições open-source (PyTorch / Hugging Face / LangChain) — aumentam muito o valor de mercado.

Deixar uma solicitação

Descreva a tarefa e deixe um contato: a solicitação chega ao nosso CRM e respondemos no contato informado.

Ao enviar, você concorda com a política de privacidade.