NLP Engineer: рынок
Данные на 19 ноября 2026: открытых вакансий NLP Engineer — 35, удалённых — 39% среди вакансий с указанным форматом работы. Источник — Zorky, обновляется ежедневно.
NLP Engineer (Natural Language Processing) — старейшая и самая зрелая ML-специализация (с 1950-х), пересобранная трансформер-революцией 2017–2024. Focus: обработка текстов и речи — extraction (NER / relation extraction / entity linking), classification (sentiment / topic / intent), search & ranking (BM25 + dense retrieval + cross-encoders), machine translation (NMT), summarization, question answering, speech recognition (ASR) + synthesis (TTS), conversational systems, content moderation. Семейство ролей: NLP Engineer (general — classical NLP + modern transformers hybrid), Speech Engineer (ASR / TTS specialization — Whisper / VITS / Tacotron / Yandex SpeechKit / Sber Salute Speech), Computational Linguist (rule-based + ML hybrid — legacy product domains: language education / lexicography / morphological analysis), Conversational AI Engineer (dialogue systems — overlap с ai-engineer), Multilingual NLP Engineer (cross-lingual specialization — XLM-R / mT5 / NLLB / SeamlessM4T), Senior NLP Engineer (multi-task NLP pipeline architecture). Стек 2026: Python (монопольно). Hugging Face Transformers mastery (модели + datasets + tokenizers + PEFT + Accelerate — single most important library 2026). spaCy (production-grade pipelines — NER + POS + dependency parsing + lemmatization; быстрый Cython под капотом — industry standard для traditional NLP). NLTK (academic / legacy — corpus + tokenization). Gensim (topic modeling — LDA + Word2Vec legacy). BERTopic (modern topic modeling — embeddings-based). Modern transformers: BERT family (DeBERTa-v3 / RoBERTa / ELECTRA для tagging + classification), T5 family (text-to-text — translation + summarization), BART (generation + understanding hybrid), XLM-R + mT5 + NLLB (multilingual). Sentence embeddings: sentence-transformers + BGE + E5 + Stella + jina-embeddings-v3 (top на MTEB benchmark). LLMs для NLP: Llama 3.x + Mistral + Qwen 2.5 + Phi 3 для классификации / extraction / generation в few-shot mode. Search & ranking: Elasticsearch + OpenSearch (BM25 + dense_vector hybrid), Vespa (Yahoo open-source — best для production search), Tantivy + Meilisearch (Rust-based alternatives), cross-encoder rerankers (BGE Reranker / Cohere Rerank). ASR (Speech-to-Text): Whisper + Whisper-large-v3 + faster-whisper (CTranslate2-optimized — production), Wav2Vec 2.0, NVIDIA NeMo, OpenAI Whisper API, AssemblyAI + Deepgram + Speechmatics (commercial APIs). Russian-specific: Yandex SpeechKit, Sber Salute Speech, ЦРТ VoiceKit, VOSK (open-source — offline). TTS (Text-to-Speech): ElevenLabs (доминирует 2026 — best quality), OpenAI TTS, Coqui TTS (open-source — XTTS-v2 voice cloning), Tortoise, Bark, StyleTTS 2. Russian TTS: Yandex SpeechKit + Sber SaluteSpeech. Russian NLP-specific: ruBERT + RuRoBERTa (DeepPavlov), ruGPT, FRED-T5 (Sber), ruT5, USER-bge-m3 (Russian embeddings), Natasha (Russian NER), Razdel (Russian tokenization), pymorphy3 (морфологический анализ). Evaluation: classical NLP metrics (BLEU + ROUGE + METEOR + chrF для translation, F1 + precision + recall для NER, perplexity для LM), modern eval — RAGAS + DeepEval + lm-evaluation-harness для LLM-based NLP. По данным Zorky CRM, открыто 35 активных вакансий с явной NLP-спецификой (реальный пул много шире — multiple NLP roles classified как general ML Engineer / Backend / AI Engineer). Медиана не публикуется. Топ-стек: python, llm, sql, pytorch, airflow. Среди вакансий с указанным форматом работы 39% — удалённые.
Данные на:
Главные цифры рынка NLP Engineer: открытые вакансии, медианная зарплата, наблюдаемый пул специалистов и доля удалёнки.
На рынке NLP Engineer сейчас 35 открытых вакансий, из них 31 со свежим наблюдением.
Среди вакансий с указанным форматом работы 39% — удалённые. NLP work fully cloud-based standard. Аутсорсеры — почти всегда remote. Международные voice-AI / NLP-companies — full-remote standard. Big Tech NLP — гибрид-standard.
⚠ зарплата известна у 1 из 35 вакансий; доля удалёнки — от 28 с указанным форматом; свежими наблюдениями считаются 31; тренд и сложность найма не показываются
Динамика: вакансии и источники
Сколько вакансий NLP 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 | 0 |
| 2026-06-08 | 2 |
| 2026-06-15 | 1 |
| 2026-06-22 | 5 |
| 2026-06-29 | 5 |
| 2026-07-06 | 5 |
| 2026-07-13 | 5 |
| 2026-07-20 | 2 |
| 2026-07-27 | 0 |
| 2026-08-03 | 3 |
| 2026-08-10 | 1 |
| 2026-08-17 | 1 |
| 2026-08-24 | 10 |
| 2026-08-31 | 1 |
| 2026-09-07 | 1 |
| 2026-09-14 | 9 |
| 2026-09-21 | 9 |
| 2026-09-28 | 10 |
| 2026-10-05 | 9 |
| 2026-10-12 | 28 |
| 2026-10-19 | 10 |
| 2026-10-26 | 6 |
| 2026-11-02 | 6 |
| 2026-11-09 | 11 |
Активных источников за неделю
Источников всего за период: 57. ▲ — неделя, когда подключилось много новых источников.
Данные графика
| Период | Активных источников |
|---|---|
| 2026-06-01 | 0 |
| 2026-06-08 | 2 |
| 2026-06-15 | 1 |
| 2026-06-22 | 5 |
| 2026-06-29 | 5 |
| 2026-07-06 | 5 |
| 2026-07-13 | 5 |
| 2026-07-20 | 2 |
| 2026-07-27 | 0 |
| 2026-08-03 | 3 |
| 2026-08-10 | 1 |
| 2026-08-17 | 1 |
| 2026-08-24 | 5 |
| 2026-08-31 | 1 |
| 2026-09-07 | 1 |
| 2026-09-14 | 7 |
| 2026-09-21 | 6 |
| 2026-09-28 | 8 |
| 2026-10-05 | 8 |
| 2026-10-12 | 8 |
| 2026-10-19 | 7 |
| 2026-10-26 | 4 |
| 2026-11-02 | 6 |
| 2026-11-09 | 8 |
Подключение новых источников: 22 июн. +5 · 14 сент. +5 · 28 сент. +5 · все недели (19) — в таблице
| Неделя | Новых источников | Новых вакансий |
|---|---|---|
| 8 июн. | +2 | 2 |
| 15 июн. | +1 | 1 |
| 22 июн. | +5 | 5 |
| 29 июн. | +3 | 5 |
| 6 июл. | +4 | 5 |
| 13 июл. | +4 | 5 |
| 3 авг. | +2 | 3 |
| 10 авг. | +1 | 1 |
| 17 авг. | +1 | 1 |
| 24 авг. | +2 | 10 |
| 14 сент. | +5 | 9 |
| 21 сент. | +4 | 9 |
| 28 сент. | +5 | 10 |
| 5 окт. | +3 | 9 |
| 12 окт. | +3 | 28 |
| 19 окт. | +3 | 10 |
| 26 окт. | +2 | 6 |
| 2 нояб. | +3 | 6 |
| 9 нояб. | +4 | 11 |
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 | 0 | 0 |
| 2026-06-08 | 2 | 2 |
| 2026-06-15 | 1 | 1 |
| 2026-06-22 | 5 | 5 |
| 2026-06-29 | 5 | 5 |
| 2026-07-06 | 5 | 5 |
| 2026-07-13 | 5 | 5 |
| 2026-07-20 | 2 | 2 |
| 2026-07-27 | 0 | 0 |
| 2026-08-03 | 3 | 3 |
| 2026-08-10 | 1 | 1 |
| 2026-08-17 | 1 | 1 |
| 2026-08-24 | 10 | 5 |
| 2026-08-31 | 1 | 1 |
| 2026-09-07 | 1 | 1 |
| 2026-09-14 | 9 | 7 |
| 2026-09-21 | 9 | 6 |
| 2026-09-28 | 10 | 8 |
| 2026-10-05 | 9 | 8 |
| 2026-10-12 | 28 | 8 |
| 2026-10-19 | 10 | 7 |
| 2026-10-26 | 6 | 4 |
| 2026-11-02 | 6 | 6 |
| 2026-11-09 | 11 | 8 |
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 NLP 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 NLP Engineer и сколько подходящих специалистов видит Zorky.
Спрос и наблюдаемый пул
Данные графика
| Показатель | Значение |
|---|---|
| Открытый спрос | 35 |
| Открытый спрос | 35 |
| Наблюдаемый пул | — не публикуется |
NLP — старейшая ML-специализация (с 1950-х), пересобранная трансформер-революцией 2017–2024. Pool small в нашей выборке за счёт того что multiple NLP roles classified как general ML / Backend / AI Engineer. Драйверы 2026: voice agents adoption (ASR + LLM + TTS pipelines), real-time translation, enterprise search semantic (RAG + Elasticsearch hybrid), content moderation (LLM-based scaled), Foundation Model NLP teams (Cohere / Hugging Face / DeepL). International voice-AI rapidly growing: ElevenLabs / AssemblyAI / Deepgram / Speechmatics / Soundhound / Vapi / Retell AI.
⚠ подходящих под вакансию кандидатов пока не считаем: показаны спрос и наблюдаемый пул
В каких странах больше всего открытых вакансий NLP Engineer.
География спроса
| страна | вакансий | доля |
|---|---|---|
| Соединенные Штаты | 4 | 13,8% |
| Польша | 4 | 13,8% |
| Казахстан | 3 | 10,3% |
| Великобритания | 3 | 10,3% |
| Узбекистан | 2 | 6,9% |
| Чехия | 2 | 6,9% |
| Россия | 2 | 6,9% |
| Индия | 2 | 6,9% |
| Сингапур | 1 | 3,4% |
| Швеция | 1 | 3,4% |
| Остальные страны | 5 | 17,2% |
Лидер по числу NLP Engineer-вакансий — США (4 позиций). Польша — NLP-friendly EU-хаб. Германия — DeepL HQ Cologne + Aleph Alpha. Франция — Hugging Face HQ + Mistral. UK — DeepL London + Speechmatics. США — Bay Area NLP cluster.
⚠ только число вакансий: зарплата по странам не публикуется
Данные графика
| Страна | Вакансии |
|---|---|
| US | 4 |
| PL | 4 |
| KZ | 3 |
| GB | 3 |
| UZ | 2 |
| CZ | 2 |
| RU | 2 |
| IN | 2 |
| SG | 1 |
| SE | 1 |
Какие технологии чаще всего требуют в одной вакансии с NLP Engineer.
С чем используется вместе
Доля — сколько из 35 вакансий рынка «NLP Engineer» упоминают эту технологию. Порядок — по числу вакансий, не по «силе связи». Обобщения вроде cloud не равны конкретному облаку (AWS, Azure).
Топ-стек NLP Engineer 2026: Python deep, Hugging Face Transformers mastery (single most important library), spaCy (production pipelines — NER + POS + dependency parsing), NLTK / Gensim (legacy), BERTopic (modern topic modeling), Modern transformers (DeBERTa-v3 + RoBERTa + ELECTRA для classification + NER, T5 family для text-to-text, XLM-R + mT5 + NLLB для multilingual), Sentence embeddings (sentence-transformers + BGE + E5 + Stella + jina-embeddings-v3 — top MTEB), LLMs для NLP, Search & ranking (Elasticsearch + OpenSearch BM25 + dense_vector hybrid + Vespa + cross-encoder rerankers), ASR (Whisper-large-v3 + faster-whisper + Wav2Vec 2.0 + NVIDIA NeMo + AssemblyAI / Deepgram / Speechmatics commercial), TTS (ElevenLabs + Coqui XTTS-v2 + Tortoise + Bark + StyleTTS 2), Russian NLP (DeepPavlov ruBERT + RuRoBERTa + ruGPT + FRED-T5 + USER-bge-m3 + Natasha + Razdel + pymorphy3), Russian speech (Yandex SpeechKit + Sber SaluteSpeech + ЦРТ VoiceKit + VOSK), Audio processing (librosa + soundfile + torchaudio), Annotation (Label Studio standard + Argilla LLM-aware + Prodigy), Evaluation (classical BLEU + ROUGE + F1 + WER + MOS + modern RAGAS + DeepEval + COMET для translation).
Частые пары: Python + Hugging Face Transformers + spaCy + PyTorch (classical NLP stack), sentence-transformers + Qdrant + BGE Reranker (semantic search + reranking stack), Whisper + faster-whisper + pyannote (production ASR + speaker diarization), ElevenLabs API + OpenAI API + LangChain (voice agent stack), DeepPavlov + Natasha + ruBERT + USER-bge-m3 (Russian NLP stack), Elasticsearch + dense_vector + Vespa (production search stack), Label Studio + Argilla + spaCy (annotation + training pipeline). Learning-roadmap: linguistics fundamentals → Python + ML basics → classical NLP (spaCy) → Hugging Face NLP course → modern transformers fine-tuning → sentence embeddings + semantic search → LLMs для NLP tasks → search & ranking deep → speech track optional (Whisper + ElevenLabs) → Russian NLP specific (DeepPavlov) → annotation tooling (Label Studio) → evaluation methodology → pet-project portfolio (4 demos).
Данные графика
| Название | Количество |
|---|---|
| python | 24 |
| llm | 19 |
| sql | 7 |
| docker | 7 |
| pytorch | 6 |
| fine-tuning | 5 |
| cloud | 5 |
| fastapi | 4 |
| qdrant | 3 |
| transformers | 3 |
| kubernetes | 3 |
| langchain | 3 |
Сколько вакансий NLP Engineer на каждом уровне — от junior до principal.
Спрос по уровням
| уровень | вакансий |
|---|---|
| senior | 10 |
| middle | 6 |
| junior | 3 |
| lead | 1 |
Junior — typical entry: Computational linguistics MS / Backend Middle / DS Middle + NLP portfolio (Hugging Face fine-tuning experience demonstrable). Career-flow: Computational linguist / Backend Middle / DS Middle (2-3 года) + NLP interest → NLP Engineer Junior (1-2 года) → Middle (2-3 года) → Senior → либо Speech Engineer specialization (ASR/TTS), либо AI Engineer pivot (LLM-product focus), либо Research (academic-track NLP — ACL / EMNLP publications), либо Multilingual NLP Engineer (cross-lingual specialization). Цифры основаны на small sample — для broader benchmarks смотрите ml-engineer / ai-engineer страницы.
⚠ только сторона спроса: грейд наблюдаемого пула неизвестен у большинства
Данные графика
| Уровень | Количество |
|---|---|
| senior | 10 |
| middle | 6 |
| junior | 3 |
| lead | 1 |
Кто больше всех нанимает по NLP Engineer и насколько спрос сосредоточен у крупных компаний.
Работодатели
Спрос распределён между 27 работодателями. На крупнейшего приходится 9.7%, на десятку — 45.2%; остальные 54.8% — длинный хвост.
| доля | значение |
|---|---|
| крупнейший | 9.7% |
| топ-3 | 22.6% |
| топ-10 | 45.2% |
| длинный хвост | 54.8% |
⚠ имена не показываются: кадровые агентства и конечные работодатели пока не различаются классификацией
С каких сайтов компаний и досок Zorky собирает вакансии NLP Engineer.
Откуда Zorky видит этот рынок
Наблюдение идёт из 24 источников; на крупнейший приходится 8.6% — рынок не держится на одном канале.
Данные графика
| Класс | Название | Название на английском | Количество | Доля |
|---|---|---|---|---|
| ats | ATS и карьерные сайты | ATS & career sites | 18 | 0,5143 |
| board | джоб-борды и агрегаторы | job boards & aggregators | 13 | 0,3714 |
| telegram | Telegram | Telegram | 4 | 0,1143 |
Самые новые вакансии NLP Engineer с сайтов компаний.
Свежие вакансии
- Вакансия Strong Middle / Senior NLP Engineer · UZ
- Strong Middle / Senior NLP Engineer · UZ
- NLP Engineer
- Research Scientist (Computer Science / Artificial Intelligence / Machine Learning / Natural Language Processing) · SG
- NLP Engineer · KZ
- Senior Systems Engineer – Clinical NLP Research Support
- Senior Engineer, AI/NLP Engineering · CZ
- Data Engineer, AI/NLP Engineering · CZ
Свежие открытые NLP Engineer-вакансии — последние позиции в выборке (узкий pool явных NLP roles — реальный рынок шире за счёт overlap с ml-engineer / ai-engineer). Полный список — в нашем CRM или по ссылке «смотреть все» ниже. Для broader view посмотрите ml-engineer + ai-engineer страницы.
Соседние рынки
NLP Engineer пересекается с AI Engineer (LLM-product overlap — ~60% shared stack), ML Engineer (production ML overlap), Data Scientist (text analytics for business insights), Research Engineer (NLP papers ACL / EMNLP / NAACL track), Speech Engineer (ASR / TTS sub-specialization). Сравнение — 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: 9.
Направление: AI / ML / DS
Соседние специализации
Внутри NLP Engineer: NLP Engineer (general — classical NLP + modern transformers hybrid), Speech Engineer (ASR / TTS specialization — Whisper / VITS / Yandex SpeechKit / Sber Salute Speech), Computational Linguist (rule-based + ML hybrid — legacy product domains: language education / lexicography), Conversational AI Engineer (dialogue systems — overlap с ai-engineer), Multilingual NLP Engineer (cross-lingual — XLM-R / mT5 / NLLB / SeamlessM4T), Senior NLP Engineer (multi-task NLP pipeline architecture). Сравнение с ml-engineer/ai-engineer/data-scientist/research/mlops — в баре ниже.
Частые вопросы
Самые частые вопросы про NLP Engineer: зарплаты (стабильный премиум-сегмент), NLP Engineer vs AI Engineer vs ML Engineer (3-way comparison + 5 distinctions), Classical NLP vs LLM-only vs Hybrid (decision tree с cost reality), Speech Engineer (ASR / TTS) отличие, удалёнка, как стать (4-10 месяцев из Backend / DS Middle), Senior skills (linguistics intuition + Hugging Face mastery + sentence embeddings + search & ranking + Russian NLP если РФ-focused). Ответы пересчитываются автоматически.
Какой стек чаще всего требуют от NLP Engineer?
Топ-5: python, llm, sql, pytorch, airflow. Python монопольно. Hugging Face Transformers mastery — single most important library 2026 (модели + datasets + tokenizers + PEFT + Accelerate). spaCy (production-grade NLP pipelines — NER + POS + dependency parsing + lemmatization — Cython быстрый, industry standard для traditional NLP). NLTK (academic / legacy). Gensim (Word2Vec / LDA legacy). BERTopic (modern topic modeling — embeddings-based, rising 2024+). Modern transformers: BERT family (DeBERTa-v3 — best base для classification + NER 2026, RoBERTa, ELECTRA), T5 family (text-to-text), BART, XLM-R + mT5 + NLLB (multilingual). Sentence embeddings: sentence-transformers + BGE + E5 + Stella + jina-embeddings-v3 (top на MTEB benchmark). LLMs для NLP: Llama 3.x / Mistral / Qwen 2.5 / Phi 3 для few-shot classification / extraction / generation. Search & ranking: Elasticsearch + OpenSearch (BM25 + dense_vector hybrid — industry standard), Vespa (Yahoo — best для production search, complex ranking), Tantivy + Meilisearch (Rust alternatives), cross-encoder rerankers (BGE Reranker / Cohere Rerank). ASR (Speech-to-Text): Whisper-large-v3 + faster-whisper (CTranslate2-optimized — production), Wav2Vec 2.0, NVIDIA NeMo, commercial APIs (AssemblyAI / Deepgram / Speechmatics / OpenAI Whisper API). Russian: Yandex SpeechKit / Sber Salute Speech / ЦРТ VoiceKit / VOSK (open-source offline). TTS: ElevenLabs (доминирует 2026 — best quality), OpenAI TTS, Coqui TTS (XTTS-v2 voice cloning), Tortoise, Bark, StyleTTS 2. Russian: Yandex SpeechKit + Sber SaluteSpeech TTS. Russian NLP-specific: ruBERT + RuRoBERTa (DeepPavlov — крупнейший русскоязычный NLP-проект), ruGPT, FRED-T5 (Sber), ruT5, USER-bge-m3 (Russian embeddings — топ на ruMTEB), Natasha (Russian NER + извлечение), Razdel (Russian tokenization), pymorphy3 (морфологический анализ). Audio processing: librosa + soundfile + torchaudio. Datasets: Hugging Face Hub (>200K NLP datasets — must use), Common Crawl + OSCAR (corpus), FLORES-200 (translation benchmark), MTEB + ruMTEB (embeddings benchmarks). Evaluation: classical NLP metrics (BLEU + ROUGE + METEOR + chrF для translation, F1 + precision + recall для NER, perplexity для LM, WER для ASR, MOS для TTS), modern eval — RAGAS + DeepEval для LLM-based NLP, COMET (neural translation eval). Annotation tools: Label Studio (open-source — industry standard 2026), Prodigy (Explosion / spaCy создатели), Doccano, Argilla (modern LLM-aware). Linguistic resources: WordNet, Universal Dependencies, BabelNet (multilingual).
NLP Engineer vs AI Engineer vs ML Engineer — в чём разница?
Эти три роли сильно overlap в 2026 за счёт unification под трансформер-архитектуру, но различия есть. ML Engineer — generalist, владеет всем production ML stack (recsys / fraud / ranking / classical ML + LLM). Стек: PyTorch + sklearn + Kubernetes + MLflow + cloud-managed ML. См. ML Engineer. AI Engineer / LLM Engineer — focus на LLM integration в продукт (chatbots / RAG / agents). См. AI / LLM Engineer. NLP Engineer (эта страница) — focus на natural language processing tasks specifically: NER / sentiment / search / translation / summarization / Q&A / speech (ASR + TTS). Distinctions: 1) Classical NLP knowledge — NLP Engineer владеет pre-transformer techniques (BM25 + TF-IDF + Word2Vec + LDA + dependency parsing + NER pre-BERT), AI Engineer часто этого не знает (LLM-only). 2) Speech expertise — ASR (Whisper / Wav2Vec) + TTS (ElevenLabs / Tacotron) — exclusive NLP Engineer territory (AI Engineer редко touches speech). 3) Linguistics intuition — NLP Engineer часто имеет computational linguistics background (morphology / syntax / semantics formal training), AI Engineer обычно generalist Backend / ML. 4) Multilingual / low-resource languages — NLP Engineer specialty (cross-lingual transfer, NLLB, mT5). 5) Search & ranking deep — Elasticsearch + Vespa + production ranking pipelines — NLP Engineer territory. Career-pivots: NLP Engineer Senior → AI Engineer — easy lateral (1-3 месяца — добавить LangChain + agent frameworks). AI Engineer Senior → NLP Engineer — 3-6 месяцев (классические NLP techniques + speech знание занимает время). ML Engineer Senior → NLP Engineer — 4-8 месяцев. Reality 2026: title NLP Engineer уступает место AI Engineer в job postings (LLM hype), но классические NLP-tasks (search / translation / extraction / speech) остаются core production needs.
Какая доля вакансий предполагает удалённую работу?
Среди вакансий с указанным форматом работы 39% — удалённые. Вакансии без указанного формата не входят в знаменатель; гибридная работа не считается удалённой.
Чем Speech Engineer (ASR / TTS) отличается от general NLP?
Speech Engineer — sub-specialization внутри NLP focused на voice domain. Day-to-day: ASR (Speech Recognition): deploy Whisper / Wav2Vec / NeMo for transcription pipelines, fine-tune for domain-specific terminology (medical / legal / customer support call centers — accuracy mandate), real-time streaming ASR (WebRTC + chunked processing + endpoint detection), speaker diarization (who said what — pyannote / NVIDIA NeMo Speaker), noise robustness (denoising + voice activity detection), multilingual + code-switching support. TTS (Speech Synthesis): deploy ElevenLabs / Coqui XTTS / Tacotron / VITS for voice generation, fine-tune for brand-specific voices, voice cloning (XTTS-v2 — clone из 6 seconds reference audio), prosody control (intonation + pacing + emotion), multilingual TTS, low-latency streaming TTS для real-time agents. Voice agents (rising 2024+): conversational AI с voice — combine ASR + LLM + TTS в low-latency pipeline (target <500ms response). Vapi / Retell AI / Pipecat — emerging open-source frameworks. Audio processing fundamentals: librosa + soundfile + torchaudio mastery, MFCC features, spectrograms, sample rate handling, codec знание (Opus / AAC / WAV). Stack-specific: NVIDIA NeMo (ASR + TTS unified framework), ESPnet (academic / research), SpeechBrain (PyTorch-based). Commercial APIs: AssemblyAI / Deepgram / Speechmatics / OpenAI Whisper API + Realtime API (Oct 2024 — voice agents) / ElevenLabs / Soundhound. Russian-specific: Yandex SpeechKit (премиум для русского — STT + TTS), Sber SaluteSpeech (banking voice + GigaChat voice), ЦРТ VoiceKit, VOSK (open-source offline). Career-flow: NLP Engineer Senior + audio interest + Whisper/Wav2Vec hands-on portfolio → Speech Engineer Junior / Middle — 4-8 месяцев.
С чего начинать в NLP в 2026?
Roadmap: 1) Linguistics fundamentals — basic understanding morphology + syntax + semantics + pragmatics. Helps build intuition. Книга: «Speech and Language Processing» Jurafsky / Martin (free online 3rd edition — bible of NLP, не нужно читать целиком, важные главы). 2) Python deep + ML basics — pandas + scikit-learn + PyTorch (basics). 3) Classical NLP — spaCy mastery + NLTK exposure. Build simple pipelines (NER + sentiment classifier + topic model с BERTopic). Курс: spaCy course (free, by Explosion — spaCy creators). 4) Modern transformers fundamentals — understand BERT / DeBERTa / T5 architectures, fine-tuning workflow. Hugging Face NLP course (free, must-do — best resource 2026). 5) Hands-on Hugging Face Transformers — fine-tune DeBERTa-v3 на own classification dataset, fine-tune T5 на own summarization task. 6) Sentence embeddings — sentence-transformers + BGE + E5. Build semantic search demo. Understand MTEB benchmark. Compare prompt-only vs fine-tuned approaches на same task. 8) Search & ranking — Elasticsearch / OpenSearch deep с hybrid (BM25 + dense). Set up production search demo. Cross-encoder reranking (BGE Reranker). 9) Speech track (optional but премиум) — install Whisper / faster-whisper, build transcription pipeline + speaker diarization (pyannote). Try ElevenLabs TTS + Coqui XTTS-v2 voice cloning. 10) Russian NLP specific (для РФ-projects) — DeepPavlov framework (ruBERT + RuRoBERTa + ruGPT pre-trained models), Natasha (Russian NER), pymorphy3 (morphology), USER-bge-m3 (Russian embeddings). 11) Annotation tooling — Label Studio (industry standard 2026) — set up project + annotate small dataset + train custom model. 12) Evaluation methodology — classical metrics (BLEU / ROUGE / F1 / WER / MOS) + modern (RAGAS / DeepEval). 13) Multilingual exposure (если cross-lingual interest) — XLM-R + mT5 + NLLB-200 (Meta — 200 languages translation). 14) Pet-проект portfolio: a) production NER pipeline с custom domain (e.g. job descriptions extraction); b) semantic search для open dataset; c) Russian text classification fine-tuned ruBERT; d) voice agent demo (ASR + LLM + TTS в одной pipeline). Document на GitHub + blog post. Курсы РФ: Karpov.Courses «NLP» track, Otus «NLP», МФТИ DLSchool (NLP модуль), SkillFactory NLP, School21 (Сбер) NLP track, DeepPavlov community courses. International (eng): Hugging Face NLP Course (free, must-do), Stanford CS224N «NLP with Deep Learning» (free YouTube — best academic course), «Speech and Language Processing» Jurafsky / Martin (free PDF — bible), «Practical Natural Language Processing» Vajjala / Majumder / Gupta / Surana (O'Reilly, applied focus), fast.ai Practical Deep Learning Part 2 (NLP coverage). Books-must: «Natural Language Processing with Transformers» Tunstall / Werra / Wolf (Hugging Face authors — must-read 2026), «Speech and Language Processing» Jurafsky / Martin. ACL / EMNLP / NAACL conferences (papers must-follow для serious NLP track). Backend Senior / DS Middle + NLP interest → NLP Engineer Junior — 4-10 месяцев.
Сколько открытых вакансий в этой выборке?
В опубликованной выборке — 35 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 NLP Engineer?
Senior NLP Engineer владеет полным циклом NLP-product engineering + technical leadership. Python deep + Backend Senior level: async / typing / FastAPI / pytest mastery. Linguistics intuition: morphology + syntax + semantics + pragmatics — на уровне «понимаю почему модель ошибается в этом сложном случае». Не нужен formal linguistics degree, но знание базы critical. Hugging Face Transformers mastery: модели (BERT family + T5 + LLM) + datasets + tokenizers + PEFT + Accelerate. Fine-tuning mastery (LoRA / QLoRA + full fine-tuning когда оправдано). spaCy mastery: production NLP pipelines (NER + POS + dependency parsing + custom components + matchers), spaCy-transformers integration. Modern transformers: DeBERTa-v3 (best base для classification + NER 2026), T5 family, XLM-R / mT5 / NLLB (multilingual). Understand attention + tokenization + decoding strategies. Sentence embeddings mastery: sentence-transformers + BGE + E5 + Stella + jina-embeddings-v3, training own custom embeddings (contrastive loss + multi-negative ranking). Search & ranking mastery: Elasticsearch + OpenSearch advanced (BM25 + dense_vector hybrid + custom analyzers + multi-language support), Vespa для complex ranking pipelines, cross-encoder rerankers (training own BGE Reranker variants). LLM integration для NLP tasks: prompt engineering для NER / extraction / classification, few-shot vs fine-tuned trade-off analysis, structured output (function calling). Speech mastery (if track включает): Whisper / Wav2Vec deep (fine-tuning for domain), pyannote speaker diarization, audio processing fundamentals (librosa + torchaudio), real-time streaming ASR architecture, voice agents architecture (ASR + LLM + TTS low-latency pipeline). Multilingual / low-resource expertise: cross-lingual transfer learning (XLM-R / mT5), data augmentation для low-resource languages, multilingual evaluation methodology. Russian NLP specifically (если РФ-focused): DeepPavlov mastery, Natasha advanced, custom russian-specific tokenization / morphology handling. Classical NLP knowledge: TF-IDF + BM25 internals, Word2Vec / GloVe / FastText, dependency parsing algorithms, CRF for sequence labeling — для понимания когда classical beat LLM (cost / latency / explainability). Annotation tooling mastery: Label Studio advanced + Argilla (modern LLM-aware) + Prodigy (spaCy ecosystem). Evaluation mastery: classical metrics (BLEU + ROUGE + METEOR + chrF + F1 + perplexity + WER + MOS), modern (RAGAS + DeepEval + COMET для translation), human eval methodology design. System design для NLP products: design NLP pipeline на whiteboard под scale (100M+ texts/day), latency budgets (target P95 для real-time NLP), cost optimization (cache + batch + smart routing). Soft: ADRs writing для NLP architecture decisions, technical writing (NLP feature design docs + evaluation reports), cross-team collaboration (Product / Backend / DS / Linguists teams), mentoring Middle NLP engineers, paper-reading discipline (ACL / EMNLP / NAACL / Interspeech если speech). Английский для Senior+ MUST — NLP community / docs / papers / conferences ACL / EMNLP / NAACL англоязычные. Optional bonus: open-source contributions в Hugging Face / spaCy / DeepPavlov / sentence-transformers — резко повышают market value.
Оставить заявку
Опишите задачу и оставьте контакт — заявка попадёт в CRM, ответим на указанный контакт.