ML Engineer: рынок
Данные на 19 ноября 2026: открытых вакансий ML Engineer — 2 291, удалённых — 32% среди вакансий с указанным форматом работы; медианная зарплата в объявлениях — $13 666/мес (по 309 вакансиям с указанной зарплатой). Источник — Zorky, обновляется ежедневно.
ML Engineer — самая ёмкая роль внутри AI/ML/DS-направления (самый большой pool среди ML-субниш). Production ML — берёт модель (свою или от Data Scientist), доводит до production-сервиса со стабильным SLA. Семейство ролей: ML Engineer (general — feature engineering + training + deployment), Senior ML Engineer (end-to-end ML pipelines + scaling), Staff ML Engineer/Principal ML Engineer (ML platform architecture для всей organization), ML Tech Lead (team leadership + ML infrastructure decisions), Applied ML Engineer (продуктовая ML-разработка с фокусом на business metrics). Стек: Python (монопольно), PyTorch/TensorFlow/JAX (deep learning — PyTorch доминирует 2026), scikit-learn+XGBoost+LightGBM+CatBoost (classical ML — обязателен), pandas+NumPy+Polars (data manipulation), Hugging Face Transformers+LangChain+LlamaIndex (LLM/NLP), MLflow+Weights & Biases+Neptune (experiment tracking), DVC (data version control), Airflow/Prefect/Dagster (orchestration), Docker+Kubernetes (deployment), FastAPI+Triton Inference Server+BentoML+TorchServe (model serving), ONNX (cross-framework inference), Feast/Tecton (feature stores), Spark+Ray+Dask (distributed compute), AWS SageMaker/GCP Vertex AI/Azure ML (cloud-managed). Топ-стек: python, cloud, pytorch, llm, aws. Среди вакансий с указанным форматом работы 32% — удалённые.
Данные на:
Главные цифры рынка ML Engineer: открытые вакансии, медианная зарплата, наблюдаемый пул специалистов и доля удалёнки.
На рынке ML Engineer сейчас 2 291 открытых вакансий, из них 2 024 со свежим наблюдением. Медианная зарплата $13 666/мес.
Среди вакансий с указанным форматом работы 32% — удалённые. ML work cloud-based (training в cloud GPUs, serving в K8s). Аутсорсеры (EPAM AI / Luxoft AI) — почти всегда remote. Российские банки (Сбер AI banking ML) — гибрид/офис compliance. Международные AI-companies — full-remote standard.
⚠ зарплата известна у 309 из 2291 вакансий; доля удалёнки — от 1926 с указанным форматом; свежими наблюдениями считаются 2024; тренд и сложность найма не показываются
Динамика: вакансии и источники
Сколько вакансий ML Engineer появлялось каждую неделю с 1 июн. и из скольких источников они пришли. Нижний график нужен, чтобы отличать рост рынка от роста нашего охвата: скачок вакансий в неделю, когда подключились новые источники, — это мы стали видеть больше, а не рынок вырос.
Новые вакансии за неделю
Данные графика
| Период | Новые вакансии за неделю |
|---|---|
| 2026-06-01 | 104 |
| 2026-06-08 | 142 |
| 2026-06-15 | 77 |
| 2026-06-22 | 175 |
| 2026-06-29 | 332 |
| 2026-07-06 | 286 |
| 2026-07-13 | 353 |
| 2026-07-20 | 283 |
| 2026-07-27 | 170 |
| 2026-08-03 | 215 |
| 2026-08-10 | 128 |
| 2026-08-17 | 115 |
| 2026-08-24 | 132 |
| 2026-08-31 | 115 |
| 2026-09-07 | 127 |
| 2026-09-14 | 186 |
| 2026-09-21 | 612 |
| 2026-09-28 | 370 |
| 2026-10-05 | 373 |
| 2026-10-12 | 794 |
| 2026-10-19 | 492 |
| 2026-10-26 | 519 |
| 2026-11-02 | 406 |
| 2026-11-09 | 463 |
Активных источников за неделю
Источников всего за период: 217. ▲ — неделя, когда подключилось много новых источников.
Данные графика
| Период | Активных источников |
|---|---|
| 2026-06-01 | 17 |
| 2026-06-08 | 23 |
| 2026-06-15 | 15 |
| 2026-06-22 | 32 |
| 2026-06-29 | 53 |
| 2026-07-06 | 44 |
| 2026-07-13 | 54 |
| 2026-07-20 | 57 |
| 2026-07-27 | 46 |
| 2026-08-03 | 46 |
| 2026-08-10 | 31 |
| 2026-08-17 | 29 |
| 2026-08-24 | 35 |
| 2026-08-31 | 40 |
| 2026-09-07 | 41 |
| 2026-09-14 | 35 |
| 2026-09-21 | 56 |
| 2026-09-28 | 52 |
| 2026-10-05 | 61 |
| 2026-10-12 | 63 |
| 2026-10-19 | 66 |
| 2026-10-26 | 66 |
| 2026-11-02 | 63 |
| 2026-11-09 | 76 |
Подключение новых источников: 29 июн. +30 · 6 июл. +18 · 13 июл. +18 · все недели (23) — в таблице
| Неделя | Новых источников | Новых вакансий |
|---|---|---|
| 8 июн. | +11 | 142 |
| 15 июн. | +2 | 77 |
| 22 июн. | +15 | 175 |
| 29 июн. | +30 | 332 |
| 6 июл. | +18 | 286 |
| 13 июл. | +18 | 353 |
| 20 июл. | +11 | 283 |
| 27 июл. | +8 | 170 |
| 3 авг. | +2 | 215 |
| 10 авг. | +7 | 128 |
| 17 авг. | +2 | 115 |
| 24 авг. | +5 | 132 |
| 31 авг. | +9 | 115 |
| 7 сент. | +4 | 127 |
| 14 сент. | +4 | 186 |
| 21 сент. | +10 | 612 |
| 28 сент. | +3 | 370 |
| 5 окт. | +10 | 373 |
| 12 окт. | +3 | 794 |
| 19 окт. | +9 | 492 |
| 26 окт. | +4 | 519 |
| 2 нояб. | +5 | 406 |
| 9 нояб. | +10 | 463 |
Текущая неделя ещё не закончилась и не показана: неполная неделя выглядела бы как спад.
Неделя — по дате появления вакансии, все статусы; отбор вакансий — то же правило, что у счётчика этой страницы. Источники — различные каналы сбора, их имена не публикуются.
Данные графика
| Неделя | Новые вакансии за неделю | Активных источников |
|---|---|---|
| 2026-06-01 | 104 | 17 |
| 2026-06-08 | 142 | 23 |
| 2026-06-15 | 77 | 15 |
| 2026-06-22 | 175 | 32 |
| 2026-06-29 | 332 | 53 |
| 2026-07-06 | 286 | 44 |
| 2026-07-13 | 353 | 54 |
| 2026-07-20 | 283 | 57 |
| 2026-07-27 | 170 | 46 |
| 2026-08-03 | 215 | 46 |
| 2026-08-10 | 128 | 31 |
| 2026-08-17 | 115 | 29 |
| 2026-08-24 | 132 | 35 |
| 2026-08-31 | 115 | 40 |
| 2026-09-07 | 127 | 41 |
| 2026-09-14 | 186 | 35 |
| 2026-09-21 | 612 | 56 |
| 2026-09-28 | 370 | 52 |
| 2026-10-05 | 373 | 61 |
| 2026-10-12 | 794 | 63 |
| 2026-10-19 | 492 | 66 |
| 2026-10-26 | 519 | 66 |
| 2026-11-02 | 406 | 63 |
| 2026-11-09 | 463 | 76 |
Зарплаты во времени
Медиана зарплат в вакансиях ML Engineer по неделям, в долларах США в месяц.
Медиана зарплаты, $ в месяц
Данные графика
| Период | Медиана | Сколько вакансий с зарплатой за неделю (n) |
|---|---|---|
| 2026-09-21 | 12 545 | 16 |
| 2026-09-28 | 10 238 | 28 |
| 2026-10-05 | 9 457 | 39 |
| 2026-10-12 | 9 805 | 56 |
| 2026-10-19 | 13 919 | 92 |
| 2026-10-26 | 13 134 | 93 |
| 2026-11-02 | 13 750 | 85 |
| 2026-11-09 | 12 929 | 110 |
Ряд начинается с 21 сент.: раньше данных нет.
Только вакансии с зарплатой в долларах и известным периодом (месяц или год), от $500 до $50 000 в месяц. Недели, где таких вакансий меньше 10, пропущены — это «нет данных», а не ноль.
Данные графика
| Неделя | Медиана |
|---|---|
| 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 | — |
| 2026-09-21 | 12 545 |
| 2026-09-28 | 10 238 |
| 2026-10-05 | 9 457 |
| 2026-10-12 | 9 805 |
| 2026-10-19 | 13 919 |
| 2026-10-26 | 13 134 |
| 2026-11-02 | 13 750 |
| 2026-11-09 | 12 929 |
Удалённая работа во времени
Какая доля вакансий ML Engineer предлагала полностью удалённую работу — по неделям.
Доля удалённых вакансий, %
Данные графика
| Период | Удалённо |
|---|---|
| 2026-06-01 | 44,4 |
| 2026-06-08 | 19,1 |
| 2026-06-15 | 11,5 |
| 2026-06-22 | 22 |
| 2026-06-29 | 25,5 |
| 2026-07-06 | 34,2 |
| 2026-07-13 | 28,4 |
| 2026-07-20 | 47,3 |
| 2026-07-27 | 36,5 |
| 2026-08-03 | 31,2 |
| 2026-08-10 | 34,3 |
| 2026-08-17 | 41,8 |
| 2026-08-24 | 41,7 |
| 2026-08-31 | 34,6 |
| 2026-09-07 | 28,4 |
| 2026-09-14 | 25 |
| 2026-09-21 | 28 |
| 2026-09-28 | 35,7 |
| 2026-10-05 | 37,6 |
| 2026-10-12 | 38,8 |
| 2026-10-19 | 37,8 |
| 2026-10-26 | 46,9 |
| 2026-11-02 | 35,1 |
| 2026-11-09 | 35,3 |
Доля считается среди вакансий, где формат указан (удалённо, гибрид, офис). Недели, где таких меньше 10, пропущены.
Данные графика
| Неделя | Удалённо |
|---|---|
| 2026-06-01 | 44,4 |
| 2026-06-08 | 19,1 |
| 2026-06-15 | 11,5 |
| 2026-06-22 | 22 |
| 2026-06-29 | 25,5 |
| 2026-07-06 | 34,2 |
| 2026-07-13 | 28,4 |
| 2026-07-20 | 47,3 |
| 2026-07-27 | 36,5 |
| 2026-08-03 | 31,2 |
| 2026-08-10 | 34,3 |
| 2026-08-17 | 41,8 |
| 2026-08-24 | 41,7 |
| 2026-08-31 | 34,6 |
| 2026-09-07 | 28,4 |
| 2026-09-14 | 25 |
| 2026-09-21 | 28 |
| 2026-09-28 | 35,7 |
| 2026-10-05 | 37,6 |
| 2026-10-12 | 38,8 |
| 2026-10-19 | 37,8 |
| 2026-10-26 | 46,9 |
| 2026-11-02 | 35,1 |
| 2026-11-09 | 35,3 |
Технологии во времени
Как менялась доля вакансий ML Engineer, где упоминается каждая из главных технологий.
Доля вакансий с технологией, %
Данные графика
| Период | Python | cloud | llm |
|---|---|---|---|
| 2026-08-10 | 40 | 20 | 17,8 |
| 2026-08-17 | 37,7 | 26,4 | 30,2 |
| 2026-08-24 | 32 | 20 | 25,3 |
| 2026-08-31 | 48,1 | 23,1 | 26,9 |
| 2026-09-07 | 34,5 | 13,8 | 29,3 |
| 2026-09-14 | 37,2 | 26,9 | 21,8 |
| 2026-09-21 | 55,5 | 36,1 | 32,3 |
| 2026-09-28 | 59,9 | 33,7 | 28,2 |
| 2026-10-05 | 63,1 | 39,7 | 35,9 |
| 2026-10-12 | 55,6 | 35,4 | 28,6 |
| 2026-10-19 | 63 | 41,2 | 44,3 |
| 2026-10-26 | 66,6 | 37,9 | 35,1 |
| 2026-11-02 | 65 | 29,1 | 35,6 |
| 2026-11-09 | 68,9 | 37,7 | 36,6 |
Доля — среди вакансий с размеченным стеком; ряд начинается с 10 авг.: раньше метки стека ставились по-другому. Недели, где размеченных вакансий меньше 20, пропущены.
Данные графика
| Неделя | Python | cloud | llm | pytorch | AWS |
|---|---|---|---|---|---|
| 2026-08-10 | 40 | 20 | 17,8 | 8,9 | 8,9 |
| 2026-08-17 | 37,7 | 26,4 | 30,2 | 17 | 9,4 |
| 2026-08-24 | 32 | 20 | 25,3 | 18,7 | 6,7 |
| 2026-08-31 | 48,1 | 23,1 | 26,9 | 17,3 | 11,5 |
| 2026-09-07 | 34,5 | 13,8 | 29,3 | 20,7 | 13,8 |
| 2026-09-14 | 37,2 | 26,9 | 21,8 | 19,2 | 6,4 |
| 2026-09-21 | 55,5 | 36,1 | 32,3 | 32,9 | 16 |
| 2026-09-28 | 59,9 | 33,7 | 28,2 | 36,9 | 22,6 |
| 2026-10-05 | 63,1 | 39,7 | 35,9 | 33,8 | 27,5 |
| 2026-10-12 | 55,6 | 35,4 | 28,6 | 32,2 | 20,2 |
| 2026-10-19 | 63 | 41,2 | 44,3 | 34,3 | 26,7 |
| 2026-10-26 | 66,6 | 37,9 | 35,1 | 32,9 | 27,2 |
| 2026-11-02 | 65 | 29,1 | 35,6 | 37,4 | 16,3 |
| 2026-11-09 | 68,9 | 37,7 | 36,6 | 36,3 | 29,5 |
Страны во времени
Как менялась доля вакансий ML Engineer в каждой из главных стран — по неделям.
Доля вакансий в стране, %
Данные графика
| Период | США | Великобритания | Сингапур |
|---|---|---|---|
| 2026-06-01 | 64,6 | 2 | 0 |
| 2026-06-08 | 68,9 | 0,8 | 3,8 |
| 2026-06-15 | 65,8 | 5,5 | 1,4 |
| 2026-06-22 | 33,1 | 1,2 | 18,4 |
| 2026-06-29 | 18,2 | 0,7 | 47,9 |
| 2026-07-06 | 52,2 | 6,5 | 6,1 |
| 2026-07-13 | 45,6 | 3,3 | 11,8 |
| 2026-07-20 | 38,8 | 8,6 | 15,5 |
| 2026-07-27 | 50,7 | 3 | 11,9 |
| 2026-08-03 | 40,2 | 15,6 | 6,1 |
| 2026-08-10 | 38,2 | 14,7 | 2,9 |
| 2026-08-17 | 38 | 14,1 | 0 |
| 2026-08-24 | 33,6 | 24,3 | 0 |
| 2026-08-31 | 21,1 | 30 | 1,1 |
| 2026-09-07 | 30,9 | 28,7 | 2,1 |
| 2026-09-14 | 38 | 27,2 | 2,5 |
| 2026-09-21 | 43,6 | 14 | 7,5 |
| 2026-09-28 | 30,2 | 19,9 | 6,9 |
| 2026-10-05 | 31,8 | 18,2 | 4,5 |
| 2026-10-12 | 32,1 | 11,2 | 2 |
| 2026-10-19 | 29,1 | 14,3 | 4,4 |
| 2026-10-26 | 29,2 | 12 | 3,9 |
| 2026-11-02 | 35,9 | 14 | 8,6 |
| 2026-11-09 | 44,9 | 11 | 2,2 |
Доля — среди вакансий, где страна известна; на графике пять стран с наибольшим числом вакансий за полгода. Недели, где вакансий с известной страной меньше 20, пропущены. Рост доли страны может означать подключение нового источника в этой стране, а не рост рынка.
Данные графика
| Неделя | США | Великобритания | Сингапур | Польша | Индия |
|---|---|---|---|---|---|
| 2026-06-01 | 64,6 | 2 | 0 | 16,2 | 6,1 |
| 2026-06-08 | 68,9 | 0,8 | 3,8 | 6,8 | 6,8 |
| 2026-06-15 | 65,8 | 5,5 | 1,4 | 6,8 | 2,7 |
| 2026-06-22 | 33,1 | 1,2 | 18,4 | 21,5 | 3,7 |
| 2026-06-29 | 18,2 | 0,7 | 47,9 | 4,3 | 5,9 |
| 2026-07-06 | 52,2 | 6,5 | 6,1 | 4,9 | 4,9 |
| 2026-07-13 | 45,6 | 3,3 | 11,8 | 3,6 | 9,2 |
| 2026-07-20 | 38,8 | 8,6 | 15,5 | 13,5 | 5,7 |
| 2026-07-27 | 50,7 | 3 | 11,9 | 10,4 | 4,5 |
| 2026-08-03 | 40,2 | 15,6 | 6,1 | 4,5 | 5,6 |
| 2026-08-10 | 38,2 | 14,7 | 2,9 | 2 | 9,8 |
| 2026-08-17 | 38 | 14,1 | 0 | 0 | 4,3 |
| 2026-08-24 | 33,6 | 24,3 | 0 | 3,7 | 8,4 |
| 2026-08-31 | 21,1 | 30 | 1,1 | 1,1 | 8,9 |
| 2026-09-07 | 30,9 | 28,7 | 2,1 | 2,1 | 9,6 |
| 2026-09-14 | 38 | 27,2 | 2,5 | 3,8 | 5,7 |
| 2026-09-21 | 43,6 | 14 | 7,5 | 2,2 | 4,9 |
| 2026-09-28 | 30,2 | 19,9 | 6,9 | 8,5 | 6,9 |
| 2026-10-05 | 31,8 | 18,2 | 4,5 | 9,9 | 6,4 |
| 2026-10-12 | 32,1 | 11,2 | 2 | 8,2 | 8 |
| 2026-10-19 | 29,1 | 14,3 | 4,4 | 9,9 | 6,2 |
| 2026-10-26 | 29,2 | 12 | 3,9 | 5,6 | 7,2 |
| 2026-11-02 | 35,9 | 14 | 8,6 | 4 | 6 |
| 2026-11-09 | 44,9 | 11 | 2,2 | 6,8 | 4,9 |
Чистый рынок: индекс найма
Одни и те же 7 505 досок вакансий работодателей; число вакансий берётся с самой доски. Подключение новых источников этот индекс не двигает — он показывает рынок, а не наш охват. Это весь рынок по панели, а не только ML Engineer.
Индекс найма, 16 окт. = 100
Данные графика
| Период | Индекс найма |
|---|---|
| 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 |
Цепной индекс: каждый день сравниваются только доски, опрошенные и в этот, и в предыдущий день; выбросы и сбои опроса целой платформы исключаются. Дни без сопоставимых пар пропущены.
Данные графика
| День | Индекс найма |
|---|---|
| 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 |
Сколько открытых вакансий ML Engineer и сколько подходящих специалистов видит Zorky.
Спрос и наблюдаемый пул
Данные графика
| Показатель | Значение |
|---|---|
| Открытый спрос | 2 291 |
| Открытый спрос | 2 291 |
| Наблюдаемый пул | — не публикуется |
ML Engineer — самая ёмкая AI/ML-роль, рост спроса 2026 драйвится LLM/Generative AI bumom: Foundation Model deployment, RAG-приложения, AI agents, voice/multimodal продукты. Российские продуктовые — стабильный поток. EPAM/Luxoft AI Practice — крупнейший аутсорс-канал на US AI-projects.
⚠ подходящих под вакансию кандидатов пока не считаем: показаны спрос и наблюдаемый пул
Как распределены зарплаты в вакансиях ML Engineer, в долларах США в месяц.
Распределение зарплат
Данные графика
| Показатель | Значение |
|---|---|
| <$1k | 4 |
| $1–2k | 2 |
| $2–3k | 7 |
| $3–4k | 7 |
| $4–5k | 9 |
| $5–6k | 14 |
| $6–7k | 11 |
| $7–8k | 4 |
| $8–9k | 9 |
| $9–10k | 16 |
| $10–12k | 31 |
| $12–15k | 68 |
| $15–20k | 83 |
| $20k+ | 44 |
- пригодна для расчёта: 309 (13,5%)
- указана, но не приведена к $/мес: 372 (16,2%)
- не указана: 1 610 (70,3%)
В каждой десятой вакансии вилка ниже $5 027, в каждой десятой — выше $20 916. Половина вакансий предлагает от $9 600 до $17 416. Выборка: 309.
Данные графика
| Показатель | Нижняя граница | Верхняя граница | Количество |
|---|---|---|---|
| <$1k | 0 | 1 000 | 4 |
| $1–2k | 1 000 | 2 000 | 2 |
| $2–3k | 2 000 | 3 000 | 7 |
| $3–4k | 3 000 | 4 000 | 7 |
| $4–5k | 4 000 | 5 000 | 9 |
| $5–6k | 5 000 | 6 000 | 14 |
| $6–7k | 6 000 | 7 000 | 11 |
| $7–8k | 7 000 | 8 000 | 4 |
| $8–9k | 8 000 | 9 000 | 9 |
| $9–10k | 9 000 | 10 000 | 16 |
| $10–12k | 10 000 | 12 000 | 31 |
| $12–15k | 12 000 | 15 000 | 68 |
| $15–20k | 15 000 | 20 000 | 83 |
| $20k+ | 20 000 | — | 44 |
В каких странах больше всего открытых вакансий ML Engineer.
География спроса
| страна | вакансий | доля |
|---|---|---|
| Соединенные Штаты | 882 | 45,9% |
| Великобритания | 160 | 8,3% |
| Индия | 120 | 6,2% |
| Польша | 117 | 6,1% |
| Сингапур | 86 | 4,5% |
| Канада | 63 | 3,3% |
| Германия | 58 | 3% |
| Франция | 38 | 2% |
| Россия | 34 | 1,8% |
| Нидерланды | 26 | 1,4% |
| Остальные страны | 338 | 17,6% |
Лидер по числу ML Engineer-вакансий — США (882 позиций). Польша — AI-friendly EU-хаб (Варшава/Краков). Германия — Berlin AI-startup-cluster.
⚠ только число вакансий: зарплата по странам не публикуется
Данные графика
| Страна | Вакансии |
|---|---|
| US | 882 |
| GB | 160 |
| IN | 120 |
| PL | 117 |
| SG | 86 |
| CA | 63 |
| DE | 58 |
| FR | 38 |
| RU | 34 |
| NL | 26 |
Какие технологии чаще всего требуют в одной вакансии с ML Engineer.
С чем используется вместе
Доля — сколько из 2 291 вакансий рынка «ML Engineer» упоминают эту технологию. Порядок — по числу вакансий, не по «силе связи». Обобщения вроде cloud не равны конкретному облаку (AWS, Azure).
Топ-стек ML Engineer 2026: Python (монопольно), PyTorch / TensorFlow / JAX (PyTorch доминирует), scikit-learn + XGBoost + LightGBM + CatBoost (classical), pandas + NumPy + Polars (data), Hugging Face + LangChain + LlamaIndex (LLM/NLP), sentence-transformers + Pinecone / Weaviate / Qdrant / Milvus (vector DBs / RAG), MLflow + W&B + Neptune (experiment tracking), DVC, Airflow / Prefect / Dagster, Docker + Kubernetes, FastAPI + Triton Inference Server + BentoML + TorchServe + vLLM / TGI / SGLang (LLM serving), ONNX, Feast / Tecton (feature stores), Ray + Spark + Dask, AWS SageMaker / GCP Vertex AI / Azure ML, Optuna, Evidently AI (drift). Senior add-ons: LoRA / QLoRA fine-tuning, quantization, distillation.
Частые пары: 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 (distributed training), Feast + Spark + Snowflake. Learning-roadmap: Python + math → classical ML (sklearn / XGBoost) → Deep Learning (PyTorch) → MLOps (MLflow + Docker + K8s) → LLM specialization (Hugging Face + LangChain + RAG) → distributed training (Ray) → cloud-managed ML (SageMaker / Vertex AI).
Данные графика
| Название | Количество |
|---|---|
| python | 935 |
| cloud | 572 |
| llm | 521 |
| pytorch | 514 |
| aws | 384 |
| mlops | 313 |
| tensorflow | 259 |
| docker | 258 |
| azure | 250 |
| fine-tuning | 225 |
| kubernetes | 225 |
| gcp | 181 |
Сколько вакансий ML Engineer на каждом уровне — от junior до principal.
Спрос по уровням
| уровень | вакансий |
|---|---|
| senior | 794 |
| principal | 341 |
| junior | 102 |
| lead | 90 |
| middle | 87 |
Junior — редкость, typical entry через Data Analyst → ML Junior или Backend Middle → ML Junior. Career-flow: Junior (1-2 года) → Middle (2-3 года) → Senior → либо Staff / Principal ML Engineer (deep technical), либо ML Tech Lead / Engineering Manager, либо переход в Research (с PhD), либо ML CTO/Founder в AI-startup.
⚠ только сторона спроса: грейд наблюдаемого пула неизвестен у большинства
Данные графика
| Уровень | Количество |
|---|---|
| senior | 794 |
| principal | 341 |
| junior | 102 |
| lead | 90 |
| middle | 87 |
Кто больше всех нанимает по ML Engineer и насколько спрос сосредоточен у крупных компаний.
Работодатели
Спрос распределён между 1 312 работодателями. На крупнейшего приходится 1.7%, на десятку — 8.6%; остальные 91.4% — длинный хвост.
| доля | значение |
|---|---|
| крупнейший | 1.7% |
| топ-3 | 3.9% |
| топ-10 | 8.6% |
| длинный хвост | 91.4% |
⚠ имена не показываются: кадровые агентства и конечные работодатели пока не различаются классификацией
С каких сайтов компаний и досок Zorky собирает вакансии ML Engineer.
Откуда Zorky видит этот рынок
Наблюдение идёт из 109 источников; на крупнейший приходится 20.7% — рынок не держится на одном канале.
ML Engineer-вакансии: hh.ru, Habr Career, getmatch, Djinni, LinkedIn (огромный международный AI-сегмент), NoFluffJobs / JustJoin.it (Польша AI-friendly), Telegram, карьерные сайты EPAM AI / Luxoft AI / Andersen AI, специализированные борды aijobs.net + ai-jobs.net + builtin.com/jobs/ai, Y Combinator Work at a Startup, AI-startup careers pages.
Данные графика
| Класс | Название | Название на английском | Количество | Доля |
|---|---|---|---|---|
| ats | ATS и карьерные сайты | ATS & career sites | 1 546 | 0,6748 |
| board | джоб-борды и агрегаторы | job boards & aggregators | 616 | 0,2689 |
| telegram | Telegram | Telegram | 115 | 0,0502 |
| community | сообщества и публичные профили | community & public profiles | 14 | 0,0061 |
Самые новые вакансии ML Engineer с сайтов компаний.
Свежие вакансии
- Junior LLM / ML Engineer в Москве · RU
- Senior Machine Learning Engineer · GB
- Machine Learning Engineer · ZA
- Senior Machine Learning Engineer, Content Intelligence · GB
- Senior / Staff ML Engineer (Routing & Optimisation) · GB
- Proxify AB: Senior Machine Learning Engineer
- AI/ML Engineer
- ML Engineer · UA
Свежие открытые ML Engineer-вакансии — последние 10 позиций с приемлемым качеством описания. Полный список — в нашем CRM или по ссылке «смотреть все» ниже.
Соседние рынки
ML Engineer пересекается с Data Scientist (statistical modeling + business framing), Research Engineer (novel architectures + papers), MLOps Engineer (ML platform infrastructure), Backend Engineer (production discipline + system design). Сравнение с data-scientist/research/mlops — в SiblingSubnichesChart выше.
⚠ соседние рынки для сравнения ещё не определены
Как это посчитано
- Вакансия
- открытая вакансия, прошедшая гейт качества и содержащая не менее двух технологий
- Наблюдаемый кандидат
- кандидат, чей стек содержит эту технологию; агрегат, без единой записи наружу
- Подходящий кандидат
- пока не считается
- Окно
- открытые вакансии на момент сборки снимка
О данных
- Некоторые разрезы скрыты: по ним пока недостаточно полноты данных.
- Статистика строится только там, где выборка проходит порог качества.
- Отсутствие блока не означает нулевое значение.
Сейчас скрыто разрезов: 8.
Направление: AI / ML / DS
Соседние специализации
Внутри ML Engineer: general ML Engineer (универсальный, recsys/NLP/CV/fraud), Applied ML Engineer (продуктовый фокус + business metrics), Senior ML Engineer (end-to-end pipelines + scaling), Staff / Principal ML Engineer (ML platform architecture для organization), ML Tech Lead (team leadership), ML Platform Engineer (infrastructure для других ML-команд). Сравнение с data-scientist/research/mlops — в баре ниже.
Частые вопросы
Самые частые вопросы про ML Engineer: зарплаты, ML Engineer vs DS vs Research vs MLOps, production ML pipeline stack (10 components), отличие от Applied ML, удалёнка, как стать (8-14 месяцев из Data Analyst / Backend Middle), Senior skills (LLM mastery + MLOps + distributed). Ответы пересчитываются автоматически.
Какой стек чаще всего требуют от ML Engineer?
Топ-5: python, cloud, pytorch, llm, aws. Python — монополист (R почти не встречается в production ML 2026). Classical ML: scikit-learn + XGBoost + LightGBM + CatBoost — base, must для tabular data. Data manipulation: pandas + NumPy + Polars (modern, rising 2026 — 10-100× faster), PyArrow для cross-framework data. Computer Vision: OpenCV, torchvision, Detectron2, MMDetection, Ultralytics YOLO. Experiment tracking: MLflow (open-source standard) или Weights & Biases (premium UI) или Neptune. Data version control: DVC. Orchestration: Airflow + Prefect + Dagster (один deeply). Deployment: Docker + Kubernetes mastery, FastAPI + Triton Inference Server + BentoML + TorchServe (один deeply). Cross-framework inference: ONNX. Feature stores: Feast (open-source) или Tecton (managed). Distributed compute: Spark + Ray + Dask. Cloud-managed ML: AWS SageMaker / GCP Vertex AI / Azure ML (один deeply). Дополнительно для Senior: quantization (PyTorch quantization, bitsandbytes), distillation, LoRA/QLoRA fine-tuning, vLLM/TGI/SGLang для LLM-serving, Optuna для hyperparameter tuning.
ML Engineer vs Data Scientist vs Research vs MLOps — в чём разница?
Data Scientist — фокус на business problem framing + statistical modeling + A/B testing + insights communication. Стек: pandas + sklearn + Jupyter + SQL + Tableau/Looker. Менее infrastructure-heavy. См. Data Scientist. ML Engineer (эта страница) — фокус на production ML pipelines + deployment + scaling. Стек как у DS + Docker/K8s + MLflow + Airflow + cloud-managed ML. Research Engineer / Scientist — фокус на новых моделях, papers, novel architectures. Часто PhD-track. Стек: PyTorch deep + JAX + experiment-heavy infrastructure. См. Research Engineer / Scientist. MLOps Engineer — фокус на ML platform infrastructure (feature stores, model registry, monitoring, observability, cost optimization). Стек: K8s + Terraform + MLflow/Kubeflow + Prometheus/Grafana + cloud. См. MLOps Engineer. Career-switch ML Engineer ↔ DS — за 1-3 месяца. ML Engineer ↔ MLOps — за 2-4 месяца (если есть K8s base). Research path требует PhD или 3+ years deep specialization.
Какой стек production ML pipeline на 2026?
Reference-stack для production ML 2026: 1) Data ingestion — Airflow/Prefect/Dagster pulls raw data из source systems (DB/Kafka/S3). 2) Feature engineering — Spark/Pandas/Polars transforms → Feature Store (Feast или Tecton — централизованное хранение, point-in-time correctness, online+offline serving). 3) Experimentation — Jupyter + W&B/MLflow tracking + DVC для data version control + Optuna для hyperparameter search. 4) Training — Ray Train или PyTorch Lightning + distributed (multi-GPU/multi-node), checkpointing в S3/GCS, quantization (INT8/FP16) для inference cost. 5) Model registry — MLflow Model Registry или SageMaker Model Registry (versioning + stages: staging/production/archived). 6) Validation — automated tests (data drift, prediction quality), shadow deployment, A/B test setup. 7) Serving — Triton Inference Server (NVIDIA, multi-framework + dynamic batching) или BentoML или TorchServe или vLLM (для LLM). FastAPI wrapper для API contract. 8) Deployment — Kubernetes (production standard) + Helm + ArgoCD для GitOps. 9) Monitoring — Prometheus + Grafana (latency/throughput/error rate) + custom drift detection (Evidently AI/WhyLabs) + cost dashboards. 10) Feedback loop — log predictions + ground truth → retraining trigger. ML platform для всей organization — Kubeflow или Metaflow или SageMaker Pipelines. LLM-specific stack: vLLM/TGI/SGLang для serving + prompt engineering (LangChain/LlamaIndex) + RAG (vector DBs Pinecone/Weaviate/Qdrant) + fine-tuning через LoRA/QLoRA + evaluation (RAGAS, DeepEval, custom benchmarks).
Какая доля вакансий предполагает удалённую работу?
Среди вакансий с указанным форматом работы 32% — удалённые. Вакансии без указанного формата не входят в знаменатель; гибридная работа не считается удалённой.
Чем ML Engineer отличается от Applied ML Engineer?
ML Engineer (general) — может работать в любом ML-домене (recsys, NLP, CV, fraud detection, ranking). Стек универсален. Applied ML Engineer — фокус на конкретной продуктовой ML-задаче + business metrics ownership (CTR, conversion, revenue lift). Стек тот же, но добавляется product-thinking + A/B testing mastery + stakeholder communication. Зарплаты сопоставимы (медиана), но в продуктовых компаниях Applied ML обычно несколько выше Senior за счёт business impact ownership. ML Platform Engineer (отдельная subniche — ближе к MLOps) — строит инфраструктуру для других ML Engineers (Feature Store, MLflow infrastructure, training platform). Career-выбор: ML Engineer если универсальность и portability важнее, Applied ML Engineer если product-impact интересен, ML Platform Engineer если infrastructure и tooling. Все три legitimate Senior+ paths, не лучше/хуже.
С чего начинать в ML Engineering в 2026?
Roadmap: 1) Python deep до Backend Middle уровня (clean code, design patterns, async). Книги: «Fluent Python» Ramalho, «Effective Python» Slatkin. 2) Математика — линейная алгебра + матанализ + теорвер/статистика на уровне «понимать что под капотом backprop». MIT 18.06 Linear Algebra (Strang), 3Blue1Brown «Essence of Linear Algebra». 3) Classical ML — scikit-learn + XGBoost + LightGBM mastery. Курс Andrew Ng «Machine Learning Specialization» (Coursera). Книга «Hands-On Machine Learning» Géron (must-read 2026). 4) Deep Learning — PyTorch deep (forward/backward/optimizers/training loops from scratch). Курс «Deep Learning Specialization» Andrew Ng. Книга «Deep Learning with PyTorch» Stevens. 5) NLP/LLM track: Hugging Face course (free) → fine-tuning small LLMs (Mistral 7B/Llama 3 8B) с LoRA/QLoRA → строить RAG-приложение с LangChain + Qdrant. 6) Computer Vision track (alternative): torchvision + Detectron2 + Ultralytics YOLO + custom dataset training. 7) MLOps basics: MLflow + DVC + Airflow + Docker + Kubernetes для ML serving. «Designing Machine Learning Systems» Chip Huyen — must-read для production ML. 8) Cloud ML: один из AWS SageMaker / GCP Vertex AI / Azure ML — пройти один e2e tutorial. 9) Distributed training: Ray Train + PyTorch DDP. 10) Pet-проект: full e2e ML system (data pipeline + feature store + training + MLflow tracking + Kubernetes deployment + monitoring) на open dataset (Kaggle). International (eng): fast.ai «Practical Deep Learning», Hugging Face NLP Course, DeepLearning.AI (Andrew Ng). Книги-классика: «Pattern Recognition and Machine Learning» Bishop, «The Hundred-Page Machine Learning Book» Burkov. Конференции: NeurIPS, ICML, ICLR (papers — must reading для Senior). Data Analyst или Backend Middle → ML Engineer Junior — 8-14 месяцев.
Сколько открытых вакансий в этой выборке?
В опубликованной выборке — 2291 открытых вакансий без перепубликаций. Это тот же показатель, что в верхнем блоке страницы. География выборки представлена в разделе географии; это не оценка всего рынка.
Какие навыки нужны Senior ML Engineer?
Senior ML Engineer владеет полным циклом production ML + technical leadership. Programming mastery: Python Backend Senior-уровень (clean code, async, profiling, memory optimization). Math foundations: линейная алгебра + матанализ + теорвер на уровне «читать papers без блоков». Classical ML mastery: feature engineering deep, model selection rationale, calibration, evaluation metrics tradeoffs, business-aligned model design. Deep Learning mastery: PyTorch deep (custom Layers/Modules/Optimizers), distributed training (DDP, FSDP), mixed-precision, quantization (INT8/FP16), distillation, ONNX export. LLM mastery (2026 must для Senior): fine-tuning через LoRA/QLoRA, prompt engineering, RAG architecture (vector DBs Pinecone/Weaviate/Qdrant), evaluation (RAGAS, DeepEval), vLLM/TGI/SGLang для serving. MLOps: MLflow / W&B mastery, DVC, Airflow / Prefect / Dagster, Feature Stores (Feast / Tecton), Docker + Kubernetes mastery для ML serving, Helm + ArgoCD. Cloud ML: один из AWS SageMaker / GCP Vertex AI / Azure ML deeply. Distributed compute: Ray + Spark mastery. Monitoring: Prometheus + Grafana + Evidently AI (drift detection) integration. Cost optimization: GPU utilization, batch sizing, model quantization, caching strategies. System design для ML: дизайнить ML systems на whiteboard под scale 100M+ users (recsys / fraud / ranking / chatbot). Soft: papers reading (NeurIPS / ICML / ICLR), technical writing (ADRs, design docs), code-review для multiple teams, mentoring Middle ML Engineers, общение с product/data/backend teams, A/B test design + statistical analysis. Английский для Senior+ MUST — ML/AI-сообщество и papers на английском. Бонус: contributions в open-source (PyTorch / Hugging Face / LangChain) — резко повышают market value.
Оставить заявку
Опишите задачу и оставьте контакт — заявка попадёт в CRM, ответим на указанный контакт.