Мы используем технические cookie и обезличенный журнал посещений Zorky. Яндекс Метрику (данные хранятся на серверах в РФ) включаем только с вашего согласия. Данные не продаём. Подробнее о cookie и статистике.
Zorky в тестовом режиме — всё бесплатно. Вакансии и страницы компаний открыты всем; ссылки на объявления и личная подборка — после регистрации. Зарегистрироваться →

Research Engineer / Scientist: рынок

Данные на 19 ноября 2026: открытых вакансий Research Engineer / Scientist — 1 112, удалённых — 19% среди вакансий с указанным форматом работы; медианная зарплата в объявлениях — $14 750/мес (по 146 вакансиям с указанной зарплатой). Источник — Zorky, обновляется ежедневно.

Research Engineer / Research Scientist — самый premium-сегмент AI/ML-направления. Работа с frontier-research: reading papers (NeurIPS / ICML / ICLR / ACL / CVPR / EMNLP) + reproducing SOTA + designing novel architectures + ablation experiments + publishing papers. Семейство ролей: Research Engineer (engineering-focused — implements paper architectures, builds research infrastructure, supports Research Scientists), Research Scientist (science-focused — formulates novel research questions + designs experiments + writes papers, обычно PhD-track), Senior Research Engineer / Scientist (own research direction + advise Junior researchers + publish at top venues), Staff / Principal Researcher (set research agenda для лаборатории + multi-team scientific leadership), Research Lead (research team management + grants / funding). Стек: Python (монопольно), PyTorch (доминирует 2026 в research — 80%+), JAX+Flax/Haiku, TensorFlow (legacy в research, но мало), Hugging Face Transformers+datasets+tokenizers (NLP / LLM research infrastructure), CUDA kernel writing (advanced — для compute-bound research), Triton (OpenAI, custom GPU kernels на Python), torch.compile+JIT (optimization), Weights & Biases+MLflow+Neptune (experiment tracking — must для research-reproducibility), DVC (data version control), Hydra+OmegaConf (experiment configuration), PyTorch Lightning/Fabric (training framework), distributed training (DDP / FSDP / DeepSpeed / Megatron-LM / ColossalAI), Ray Train/Ray Tune (distributed + HPO), Optuna (Bayesian HPO), LaTeX (papers — must), arXiv+OpenReview (paper workflow), Notion/Logseq/Obsidian (research notes). Bonus: Mojo (new — для performance-critical research). Топ-стек: python, pytorch, llm, cloud, c++. Среди вакансий с указанным форматом работы 19% — удалённые.

Данные на:

Главные цифры рынка Research Engineer / Scientist: открытые вакансии, медианная зарплата, наблюдаемый пул специалистов и доля удалёнки.

1 112
открытых вакансий — по заголовку вакансии, без перепубликаций
$14 750
медиана $/мес
19%
удалённых

На рынке Research Engineer / Scientist сейчас 1 112 открытых вакансий, из них 1 034 со свежим наблюдением. Медианная зарплата $14 750/мес.

Среди вакансий с указанным форматом работы 19% — удалённые. Research less remote-friendly чем ML Engineer / DS из-за compute-collocation для large-scale training. Frontier-AI labs — гибрид-standard, частично remote-friendly. EU labs — более remote-friendly. Российские (Яндекс Research / Сбер AI) — гибрид. Аутсорсеры (EPAM AI Research) — почти всегда remote.

⚠ зарплата известна у 146 из 1112 вакансий; доля удалёнки — от 859 с указанным форматом; свежими наблюдениями считаются 1034; тренд и сложность найма не показываются

Динамика: вакансии и источники

Сколько вакансий Research Engineer / Scientist 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
Новые вакансии за неделю. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
ПериодНовые вакансии за неделю
2026-06-0118
2026-06-0812
2026-06-1518
2026-06-2221
2026-06-2990
2026-07-06205
2026-07-13312
2026-07-2090
2026-07-2750
2026-08-0391
2026-08-1077
2026-08-17128
2026-08-24115
2026-08-3155
2026-09-0770
2026-09-1485
2026-09-21293
2026-09-28162
2026-10-05134
2026-10-12404
2026-10-19265
2026-10-26289
2026-11-02259
2026-11-09285

Активных источников за неделю

Источников всего за период: 109. ▲ — неделя, когда подключилось много новых источников.

Данные графика
Активных источников за неделю. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
ПериодАктивных источников
2026-06-0110
2026-06-084
2026-06-156
2026-06-2212
2026-06-2920
2026-07-0616
2026-07-1322
2026-07-2029
2026-07-2722
2026-08-0318
2026-08-1019
2026-08-1715
2026-08-2410
2026-08-3119
2026-09-0715
2026-09-1416
2026-09-2125
2026-09-2834
2026-10-0527
2026-10-1231
2026-10-1938
2026-10-2633
2026-11-0239
2026-11-0940
Подключение новых источников: 29 июн. +14 · 6 июл. +9 · 20 июл. +10 · все недели (20) — в таблице
НеделяНовых источниковНовых вакансий
15 июн.+118
22 июн.+721
29 июн.+1490
6 июл.+9205
13 июл.+7312
20 июл.+1090
27 июл.+750
3 авг.+291
10 авг.+277
17 авг.+1128
31 авг.+255
14 сент.+185
21 сент.+4293
28 сент.+7162
5 окт.+2134
12 окт.+4404
19 окт.+5265
26 окт.+3289
2 нояб.+5259
9 нояб.+6285

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
Динамика: вакансии и источники — Research Engineer / Scientist. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
НеделяНовые вакансии за неделюАктивных источников
2026-06-011810
2026-06-08124
2026-06-15186
2026-06-222112
2026-06-299020
2026-07-0620516
2026-07-1331222
2026-07-209029
2026-07-275022
2026-08-039118
2026-08-107719
2026-08-1712815
2026-08-2411510
2026-08-315519
2026-09-077015
2026-09-148516
2026-09-2129325
2026-09-2816234
2026-10-0513427
2026-10-1240431
2026-10-1926538
2026-10-2628933
2026-11-0225939
2026-11-0928540

Зарплаты во времени

Медиана зарплат в вакансиях Research Engineer / Scientist по неделям, в долларах США в месяц.

Медиана зарплаты, $ в месяц

Данные графика
Медиана зарплаты, $ в месяц. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
ПериодМедианаСколько вакансий с зарплатой за неделю (n)
2026-10-1212 50017
2026-10-1913 33338
2026-10-2610 15866
2026-11-0211 03361
2026-11-0912 91766

Ряд начинается с 12 окт.: раньше данных нет.

Сколько вакансий с зарплатой за неделю (n)

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
Зарплаты во времени — Research Engineer / Scientist. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
НеделяМедиана
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—
2026-09-28—
2026-10-05—
2026-10-1212 500
2026-10-1913 333
2026-10-2610 158
2026-11-0211 033
2026-11-0912 917

Удалённая работа во времени

Какая доля вакансий Research Engineer / Scientist предлагала полностью удалённую работу — по неделям.

Доля удалённых вакансий, %

Данные графика
Доля удалённых вакансий, %. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
ПериодУдалённо
2026-06-0130,8
2026-06-08—
2026-06-15—
2026-06-2215,4
2026-06-2922,8
2026-07-0637
2026-07-1317,9
2026-07-2020
2026-07-2758,3
2026-08-037,9
2026-08-1042,9
2026-08-1722,7
2026-08-2418,4
2026-08-3142,9
2026-09-079,5
2026-09-1418
2026-09-2115,1
2026-09-2849,6
2026-10-0528,2
2026-10-1231,3
2026-10-1924
2026-10-2646,2
2026-11-0218,8
2026-11-0932,8

Доля считается среди вакансий, где формат указан (удалённо, гибрид, офис). Недели, где таких меньше 10, пропущены.

Данные графика
Удалённая работа во времени — Research Engineer / Scientist. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
НеделяУдалённо
2026-06-0130,8
2026-06-08—
2026-06-15—
2026-06-2215,4
2026-06-2922,8
2026-07-0637
2026-07-1317,9
2026-07-2020
2026-07-2758,3
2026-08-037,9
2026-08-1042,9
2026-08-1722,7
2026-08-2418,4
2026-08-3142,9
2026-09-079,5
2026-09-1418
2026-09-2115,1
2026-09-2849,6
2026-10-0528,2
2026-10-1231,3
2026-10-1924
2026-10-2646,2
2026-11-0218,8
2026-11-0932,8

Технологии во времени

Как менялась доля вакансий Research Engineer / Scientist, где упоминается каждая из главных технологий.

Доля вакансий с технологией, %

Данные графика
Доля вакансий с технологией, %. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
ПериодPythonpytorchllm
2026-08-1024,127,637,9
2026-08-1718,6741,9
2026-08-2437,520,825
2026-08-31282816
2026-09-0735,714,328,6
2026-09-1434,615,423,1
2026-09-2132,713,310,2
2026-09-284522,526,2
2026-10-0540,219,515,9
2026-10-1242,528,727,6
2026-10-1950,53625,2
2026-10-2643,82337,6
2026-11-0245,53028,2
2026-11-0962,929,929,9
На графике до 5:

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
Технологии во времени — Research Engineer / Scientist. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
НеделяPythonpytorchllmcloudC++
2026-08-1024,127,637,96,913,8
2026-08-1718,6741,94,79,3
2026-08-2437,520,82516,76,2
2026-08-312828161212
2026-09-0735,714,328,67,17,1
2026-09-1434,615,423,115,411,5
2026-09-2132,713,310,219,46,1
2026-09-284522,526,218,818,8
2026-10-0540,219,515,913,417,1
2026-10-1242,528,727,612,212,7
2026-10-1950,53625,220,718
2026-10-2643,82337,619,113,5
2026-11-0245,53028,217,320
2026-11-0962,929,929,922,225,7

Страны во времени

Как менялась доля вакансий Research Engineer / Scientist в каждой из главных стран — по неделям.

Доля вакансий в стране, %

Данные графика
Доля вакансий в стране, %. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
ПериодСШАВеликобританияСингапур
2026-06-2250150
2026-06-2937,38,430,1
2026-07-0671,39,43,3
2026-07-1331,43,161
2026-07-2039,818,124,1
2026-07-2748,710,35,1
2026-08-0358,816,22,5
2026-08-1057,912,38,8
2026-08-1759,610,50,9
2026-08-2461,522,10
2026-08-3168,917,80
2026-09-0736,7358,3
2026-09-1455,319,72,6
2026-09-2172,5111,2
2026-09-2847,27,72,8
2026-10-0547,321,42,7
2026-10-1246,5132,5
2026-10-1959,315,62,5
2026-10-2649,8142,1
2026-11-0251,312,52,2
2026-11-0954,915,84,7

Ряд начинается с 22 июн.: раньше данных нет.

На графике до 5:

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
Страны во времени — Research Engineer / Scientist. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
НеделяСШАВеликобританияСингапурФранцияГермания
2026-06-01—————
2026-06-08—————
2026-06-15—————
2026-06-225015000
2026-06-2937,38,430,18,40
2026-07-0671,39,43,350
2026-07-1331,43,1610,70
2026-07-2039,818,124,11,20
2026-07-2748,710,35,12,62,6
2026-08-0358,816,22,53,85
2026-08-1057,912,38,81,81,8
2026-08-1759,610,50,94,43,5
2026-08-2461,522,101,94,8
2026-08-3168,917,8000
2026-09-0736,7358,300
2026-09-1455,319,72,600
2026-09-2172,5111,24,32
2026-09-2847,27,72,85,62,8
2026-10-0547,321,42,76,24,5
2026-10-1246,5132,53,52,1
2026-10-1959,315,62,54,92,5
2026-10-2649,8142,14,51,2
2026-11-0251,312,52,23,414,7
2026-11-0954,915,84,75,52,8

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 Research Engineer / Scientist.

Индекс найма, 16 окт. = 100

Данные графика
Индекс найма, 16 окт. = 100. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
ПериодИндекс найма
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

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
Чистый рынок: индекс найма — Research Engineer / Scientist. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
ДеньИндекс найма
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

Сколько открытых вакансий Research Engineer / Scientist и сколько подходящих специалистов видит Zorky.

Спрос и наблюдаемый пул

Данные графика
Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
ПоказательЗначение
Открытый спрос1 112
Открытый спрос1 112
Наблюдаемый пул— не публикуется

Research — премиум-ниша с растущим спросом 2026 за счёт LLM/Generative AI race: foundation model training, alignment research (RLHF / Constitutional AI / DPO), mechanistic interpretability, agentic AI, multimodal. Российские (Яндекс Research / Сбер AI / AIRI) — стабильный поток. Международные frontier-AI labs — высоко-conkurrentный hiring для русскоязычных с published research.

⚠ подходящих под вакансию кандидатов пока не считаем: показаны спрос и наблюдаемый пул

Как распределены зарплаты в вакансиях Research Engineer / Scientist, в долларах США в месяц.

Распределение зарплат

P25 $10 158 · P50 $14 750 · P75 $18 333
Данные графика
Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
ПоказательЗначение
<$1k1
$1–2k1
$2–3k2
$3–4k0
$4–5k0
$5–6k2
$6–7k4
$7–8k5
$8–9k6
$9–10k3
$10–12k25
$12–15k26
$15–20k44
$20k+27
Зарплата в вакансиях: база 1 112
  • пригодна для расчёта: 146 (13,1%)
  • указана, но не приведена к $/мес: 174 (15,6%)
  • не указана: 792 (71,2%)

В каждой десятой вакансии вилка ниже $7 880, в каждой десятой — выше $22 916. Половина вакансий предлагает от $10 158 до $18 333. Выборка: 146.

Данные графика
Распределение зарплат — Research Engineer / Scientist. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
ПоказательНижняя границаВерхняя границаКоличество
<$1k01 0001
$1–2k1 0002 0001
$2–3k2 0003 0002
$3–4k3 0004 0000
$4–5k4 0005 0000
$5–6k5 0006 0002
$6–7k6 0007 0004
$7–8k7 0008 0005
$8–9k8 0009 0006
$9–10k9 00010 0003
$10–12k10 00012 00025
$12–15k12 00015 00026
$15–20k15 00020 00044
$20k+20 000—27

В каких странах больше всего открытых вакансий Research Engineer / Scientist.

География спроса

странавакансийдоля
Соединенные Штаты62563,7%
Великобритания10210,4%
Франция434,4%
Сингапур313,2%
Швейцария282,9%
Индия262,7%
Германия191,9%
Канада171,7%
Республика Корея171,7%
Япония151,5%
Остальные страны585,9%

Лидер по числу Research-вакансий — США (625 позиций). Международные топ-хабы (через релокацию или remote): Bay Area / NYC (US), London, Toronto (Vector Institute / Mila), Tübingen / Berlin (Max Planck / Aleph Alpha), Zurich (ETH), Tel Aviv. Frontier-AI labs — full-remote для exceptional candidates.

⚠ только число вакансий: зарплата по странам не публикуется

Данные графика
География спроса — Research Engineer / Scientist. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
СтранаВакансии
US625
GB102
FR43
SG31
CH28
IN26
DE19
CA17
KR17
JP15

Какие технологии чаще всего требуют в одной вакансии с Research Engineer / Scientist.

С чем используется вместе

python
33730,3%
pytorch
19717,7%
llm
18016,2%
cloud
13111,8%
c++
1079,6%
fine-tuning
958,5%
tensorflow
524,7%
aws
343,1%
docker
333%

Доля — сколько из 1 112 вакансий рынка «Research Engineer / Scientist» упоминают эту технологию. Порядок — по числу вакансий, не по «силе связи». Обобщения вроде cloud не равны конкретному облаку (AWS, Azure).

Топ-стек Research 2026: Python (монопольно), PyTorch (доминирует 80%+), JAX + Flax / Haiku, Hugging Face Transformers + datasets + tokenizers + PEFT + TRL + Accelerate, CUDA / Triton (kernel writing — advanced), torch.compile + JIT, W&B + MLflow + Neptune (experiment tracking), Hydra + OmegaConf (config), PyTorch Lightning / Fabric, distributed (DDP / FSDP / DeepSpeed / Megatron-LM / ColossalAI), Ray Train + Ray Tune, Optuna, DVC, LaTeX (papers — must), arXiv + OpenReview + Papers with Code, vLLM + TGI + SGLang (LLM evaluation), Inspect AI + lm-evaluation-harness, TransformerLens (interpretability). Bonus: Mojo (new — performance-critical research).

Частые пары: PyTorch + Hugging Face + W&B + Hydra (research bread-and-butter), JAX + Flax + TPU (Google research preferred), PyTorch + DeepSpeed + Megatron-LM (large-scale LLM training), Triton + CUDA + torch.compile (compute-bound research), TRL + PEFT + Accelerate (RLHF / fine-tuning research). Learning-roadmap: PyTorch deep + math foundations → SOTA paper replication (3-5) → workshop paper submission → A-tier conf submission → PhD-track ИЛИ ML Engineer Senior → Research Engineer pivot.

Данные графика
С чем используется вместе — Research Engineer / Scientist. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
НазваниеКоличество
python337
pytorch197
llm180
cloud131
c++107
fine-tuning95
tensorflow52
aws34
docker33
kubernetes33
go31
transformers27

Сколько вакансий Research Engineer / Scientist на каждом уровне — от junior до principal.

Спрос по уровням

уровеньвакансий
senior155
principal135
junior113
lead48
middle18

Junior — typical entry: MS / PhD + papers ИЛИ ML Engineer Senior + research interest. Career-flow: PhD (4-6 лет) → Junior Research (1-2 года) → Middle (2-3 года) → Senior → либо Staff / Principal Researcher (deep), либо Research Lead (management), либо AI-startup Founder / CTO, либо переход в Big Tech AI с топ equity.

⚠ только сторона спроса: грейд наблюдаемого пула неизвестен у большинства

Данные графика
Спрос по уровням — Research Engineer / Scientist. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
УровеньКоличество
senior155
principal135
junior113
lead48
middle18

Кто больше всех нанимает по Research Engineer / Scientist и насколько спрос сосредоточен у крупных компаний.

Работодатели

Спрос распределён между 502 работодателями. На крупнейшего приходится 8.3%, на десятку — 22.8%; остальные 77.2% — длинный хвост.

крупнейший 8,3%2–3-й 7,6%4–10-й 7%остальные 77,2%
долязначение
крупнейший8.3%
топ-315.8%
топ-1022.8%
длинный хвост77.2%

⚠ имена не показываются: кадровые агентства и конечные работодатели пока не различаются классификацией

С каких сайтов компаний и досок Zorky собирает вакансии Research Engineer / Scientist.

Откуда Zorky видит этот рынок

Наблюдение идёт из 62 источников; на крупнейший приходится 27.7% — рынок не держится на одном канале.

Данные графика
Откуда Zorky видит этот рынок — Research Engineer / Scientist. Таблица данных блока. Пропуск не означает ноль; единицы и выборка указаны в описании показателя.
КлассНазваниеНазвание на английскомКоличествоДоля
atsATS и карьерные сайтыATS & career sites9320,8381
boardджоб-борды и агрегаторыjob boards & aggregators1540,1385
telegramTelegramTelegram230,0207
communityсообщества и публичные профилиcommunity & public profiles30,0027

Самые новые вакансии Research Engineer / Scientist с сайтов компаний.

Свежие вакансии

Все вакансии →

Свежие открытые Research-вакансии — последние 10 позиций с приемлемым качеством описания. Полный список — в нашем CRM или по ссылке «смотреть все» ниже.

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 Research: Research Engineer (engineering-focused — implements paper architectures + builds research infra), Research Scientist (science-focused — novel research + paper-writing, обычно PhD-track), Senior Research Engineer / Scientist (own research direction + supervise Junior), Staff / Principal Researcher (research agenda + scientific leadership), Research Lead (team management + grants). Сравнение с ml-engineer/data-scientist/mlops — в баре ниже.

AI / LLM EngineerComputer VisionData ScientistML EngineerMLOps EngineerNLP Engineer

Частые вопросы

Ответы пересчитываются автоматически.

Какой стек чаще всего требуют от Research?

Топ-5: python, pytorch, llm, cloud, c++. Python — монопольно. TensorFlow — legacy, almost gone из new research 2026. CUDA kernel writing — advanced (для compute-bound research, Triton от OpenAI как Python-friendly alternative). torch.compile + JIT — optimization. Hugging Face Transformers + datasets + tokenizers — NLP / LLM research infrastructure (de-facto standard). PEFT + TRL + Accelerate (Hugging Face — fine-tuning + RLHF). Distributed training mastery: PyTorch DDP / FSDP + DeepSpeed + Megatron-LM + ColossalAI (для large-scale model training). Experiment tracking: Weights & Biases (research-favorite — best UX для experiments), MLflow, Neptune. Configuration: Hydra + OmegaConf — must для clean experiment management. PyTorch Lightning / Fabric — training framework (reduces boilerplate). Ray Train + Ray Tune — distributed training + Bayesian HPO. Optuna — Bayesian HPO standalone. DVC — data version control. LaTeX mastery — must для papers writing (Overleaf для collaboration). arXiv + OpenReview + Papers with Code — paper workflow. Mojo (new — performance-critical research, rising). Reading hardware specs: A100 / H100 / B100 — understanding compute budget. HF Hub + Kaggle + Papers with Code — datasets + benchmarks. Дополнительно для LLM Research: vLLM + TGI + SGLang (serving для evaluation), Inspect AI + lm-evaluation-harness (LLM benchmarking), TransformerLens (mechanistic interpretability).

Research Engineer vs Research Scientist — в чём разница?

Research Engineer — engineering-focused. Implements paper architectures, builds research infrastructure, manages compute, supports Research Scientists с experimental velocity. Often без PhD (или MS + strong engineering). Стек: PyTorch / JAX deep + distributed training mastery + CUDA / Triton + experiment infrastructure. Может авторить papers как secondary contributor, иногда first author engineering-heavy work. Research Scientist — science-focused. Formulates novel research questions, designs experiments, writes papers (first author на A-tier venues), advises Research Engineers. PhD типично required (или MS + strong publications). Стек тот же + deeper math / theory + paper-writing mastery + grant-writing (для academia). Career path academia-equivalent (Postdoc → Asst Prof tracking). ML Research Engineer (alternative title) — engineering-heavy research role без PhD, но требует proven novel work (например — implement SOTA + improve по single key metric + publish workshop paper). Career-выбор: Research Engineer если engineering-deep + interest в research без PhD-track, Research Scientist если PhD-track + interest в scientific contribution. Big Tech AI labs обычно балансируют 1:1 или 2:3 Engineer:Scientist в team.

Как выглядит full lifecycle paper → production research?

Reference-cycle для research 2026: 1) Reading phase — survey 20-50 papers в area (arXiv / Papers with Code / Semantic Scholar / Connected Papers tool). Notion / Obsidian / Logseq для structured notes. Reproduce 3-5 SOTA baselines (clone repos, run, validate metrics — критическая reality-check). 2) Idea generation — identify gap / limitation / unexplored combination. Discuss с supervisor / co-researchers (weekly research meetings standard). Initial hypothesis sketch. 3) Pilot experiments (small-scale, fast iteration) — implement minimal version на small dataset / small model (e.g. GPT-2 small / ResNet-18 / DistilBERT). Track в W&B. Decide hypothesis viable или kill. 4) Scaling phase — если pilot promising, scale up (compute + dataset + model size). Distributed training mastery required: DDP / FSDP / DeepSpeed / Megatron-LM. Compute budget tracking (часов A100 / H100). 5) Ablation phase — systematic experiments to isolate which contribution matters (typical: 5-15 ablation configs). 6) Baseline comparison — fair comparison против 3-5 strong baselines на 3-5 datasets / benchmarks. Statistical significance (3+ seeds, error bars). 7) Writing — first draft (LaTeX через Overleaf), 8 pages для NeurIPS / ICML / ICLR, 4-6 weeks типичный draft cycle. Figures professional quality (matplotlib / seaborn / plotly + careful axis labeling / legend / colorblind palette). 8) Submission — arXiv preprint first (timestamp claim), conference submission через OpenReview. Deadlines: NeurIPS май, ICML январь, ICLR октябрь. 9) Review cycle — 3-month review, rebuttal (typical: 5-10 reviewer comments per paper, response writing), final decision. 10) Camera-ready + presentation. Code release on GitHub + model weights on Hugging Face Hub. 11) Production transfer (industry-research) — work with ML Engineer team to integrate research into product. Often 3-6 months gap между paper publication и production deployment. 12) Follow-up work — extend, scale, apply к new domain — typical 3-5 follow-up papers from one strong initial direction. Healthy research cycle: 1-2 papers/year per researcher (single-author depth), 3-5 papers/year (collab co-author). Top researchers в frontier labs: 5-10+ papers/year при large lab co-authorship.

Какая доля вакансий предполагает удалённую работу?

Среди вакансий с указанным форматом работы 19% — удалённые. Вакансии без указанного формата не входят в знаменатель; гибридная работа не считается удалённой.

Чем индустриальный research отличается от академического?

Академический research (PhD / Postdoc / Asst Prof в университете): теоретическая глубина + freedom выбирать направление + teaching load. Publication pressure высокая (h-index — main career metric). Career-progression slow: PhD → Postdoc → Asst Prof → Tenure (10-15 лет). Plus academic freedom + own lab + intellectual prestige. Индустриальный research: фокус на scalable engineering-feasible work + product transfer potential + larger compute budgets ($1-100M+ training runs for foundation models — недоступные в academia). Salary 3-10× академического tier-1. Career-progression: Junior Researcher → Senior → Staff / Principal — 5-10 лет. Plus huge compute access + strong engineering team + faster paper-to-production transfer. Choice rule of thumb: academic если love teaching + intellectual freedom приоритет, industry если scale + compute + 5-10× salary приоритет. Researchers часто переходят academic → industry midcareer (compute + salary), редко обратно.

С чего начинать в Research в 2026?

Roadmap: 1) Math foundations strong — линейная алгебра + матанализ + теорвер + информация теория + оптимизация на уровне «понимать proofs». Книги: Strang «Introduction to Linear Algebra», Boyd «Convex Optimization» (free PDF), Cover & Thomas «Elements of Information Theory». 2) Deep Learning theory — beyond Andrew Ng. Курсы: Stanford CS231n (CV), CS224n (NLP), CS285 (Deep RL — Sergey Levine). Книги: Goodfellow «Deep Learning» (free PDF), Murphy «Probabilistic Machine Learning» (2 vols, free). 3) PyTorch deep mastery: custom Modules / Optimizers / Autograd / hooks, distributed training (DDP / FSDP), torch.compile, profiling. 4) JAX bonus (Google labs preferred — rare-skill premium): Flax / Haiku + vmap / pmap / grad mastery. 5) Reading SOTA papers — 20-50 papers в chosen area (например LLM alignment или video generation или mechanistic interpretability). Use Connected Papers + Semantic Scholar для navigation. Replicate 3-5 SOTA baselines — критическая reality-check skill. 6) LaTeX mastery — Overleaf, paper-writing patterns, figure-quality. Чтение тренируется reading 100+ papers; written — pair-writing с experienced researcher. 7) Workshop paper first goal — submit to NeurIPS workshops / ICML workshops / ICLR workshops. Establish first publication. 8) Compute access — Kaggle (free T4 / P100 + competitions), Google Colab Pro+, lambda labs, vast.ai (cloud GPUs cheap), Hugging Face Spaces (free GPU for inference). For training large models — needs lab / company access. 9) Mentorship — find supervisor / mentor (PhD program или industry research lab). Reaching out: cold-email researchers whose papers you've replicated + improved. 10) Long-term plan: PhD-track (3-6 лет full-time research) OR ML Engineer Senior → Research Engineer pivot (engineering-heavy track without PhD). Курсы РФ: МФТИ DLSchool (free YouTube), Karpov.Courses Research Track, School21 (Сбер) AI Research. International: fast.ai Practical Deep Learning Part 2 (advanced), Hugging Face NLP Course, Stanford CS25 Transformers, DeepLearning.AI Generative AI with LLMs. Books-must: «Deep Learning» Goodfellow, «Pattern Recognition and Machine Learning» Bishop, «The Elements of Statistical Learning» Hastie. Communities: arXiv-sanity-lite, Papers with Code, Twitter ML (follow top researchers), Hugging Face Discord, EleutherAI Discord, Alignment Forum. ML Engineer Senior → Junior Research Engineer — 12-24 месяца (need first workshop paper).

Сколько открытых вакансий в этой выборке?

В опубликованной выборке — 1112 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 Research?

Senior Research владеет полным циклом frontier-research + scientific leadership. Deep math: linear algebra + matrix calculus + probability theory + information theory + optimization theory — на уровне «прочитать любой arXiv paper без math blocks». PyTorch deep mastery: custom Modules / Autograd hooks / distributed (DDP / FSDP / DeepSpeed / Megatron-LM / ColossalAI), mixed-precision training, gradient checkpointing, ZeRO optimization. JAX bonus: Flax / Haiku + vmap / pmap для exotic architectures (часто research нужно). CUDA / Triton kernel writing: advanced — для compute-bound research. Large-scale training experience: managed real 7B-70B+ parameter training runs (не на toy datasets — actual production-scale). Paper-writing mastery: first-author papers at A-tier venues (NeurIPS / ICML / ICLR / ACL / CVPR / EMNLP), citation track record. Reading speed: 5-15 papers/week sustained, gist extraction в 30-60 minutes per paper, replicate 1-2 papers/month deep. Experiment infrastructure mastery: W&B / MLflow / Hydra / OmegaConf для clean management, reproducibility (every result back to git SHA + config). LLM-specific (2026): fine-tuning через LoRA / QLoRA + RLHF (TRL library) + DPO + Constitutional AI patterns + RAG architecture deep + evaluation methodology (RAGAS / DeepEval / lm-evaluation-harness / Inspect AI) + mechanistic interpretability basics (TransformerLens). Compute budget mastery: cost analysis для training runs (A100 / H100 hours), efficient hyperparameter search (Bayesian via Optuna, not grid). Scientific writing: clear technical writing, figure quality, statistical analysis (significance + multiple seeds + error bars). Soft: supervising Junior researchers + Engineering team collaboration + technical talks at conferences + grant-writing (для academia) + paper-review (NeurIPS / ICML / ICLR reviewer typical). Английский для Senior+ ABSOLUTE MUST — research community полностью англоязычная (papers / conferences / talks). Optional bonus: open-source contributions в Hugging Face / EleutherAI / PyTorch — резко повышают market value research-recruiters.

Оставить заявку

Опишите задачу и оставьте контакт — заявка попадёт в CRM, ответим на указанный контакт.

Отправляя заявку, вы соглашаетесь с политикой обработки данных.