# Что реально просят в вакансиях по нейросетям

Что реально просят у инженера по искусственному интеллекту. Проценты ниже — доля вакансий, где навык вообще упомянут в требованиях. Две выборки: 903 вакансии на Glassdoor и 43 480 вакансий по AI-инженерии в США. Отмечай то, что уже умеешь, и смотри, где дыра.

## 1. Фундамент: без этого не читают дальше

Самый частый навык во всех выборках — обычное программирование, а не машинное обучение.

- 01 «Python — 71% вакансий (на большой выборке — 61,5%)» — Уровень: функции, классы, окружения, отладка многофайлового проекта. Старт: официальный туториал Python.
- 02 «SQL — 17,1%» — Джоины, агрегации, оконные функции. Данные почти всегда лежат в базе, а не в csv.
- 03 «Java — 22%» — Требуют там, где AI встраивают в существующий корпоративный бэкенд.
- 04 «Git и код-ревью» — Не измеряется процентами, потому что подразумевается по умолчанию.

## 2. Облако и вывод в прод

На большой выборке облако просят чаще, чем половина вакансий. Это не приправа, а основное блюдо.

- 01 «Облачные платформы в целом — 54,7% (выборка 43 480)» — AWS — 32,9%. Быстрый заход в терминологию: AWS Certified AI Practitioner — 65 вопросов, 90 минут, 100 долларов. Azure — 26%.
- 02 «Контейнеры (Docker)» — Собрать образ, прокинуть переменные, запустить локально и в облаке одинаково: старт по Docker.
- 03 «Оркестрация (Kubernetes)» — Нужна не всем, но её ждут там, где нагрузка живая: базовый туториал Kubernetes.
- 04 «CI/CD — 34,0%» — Автотесты и автодеплой. Ручной выкат из локальной папки — стоп-сигнал для нанимающего.
- 05 «Мониторинг и наблюдаемость — 40,3%» — Логи, трейсы, алерты. Сервис без логов невозможно чинить, и это все понимают.

## 3. Модели: старый стек всё ещё главный

Классические фреймворки встречаются в вакансиях в три с лишним раза чаще модных.

строки «Показатель → Значение»: PyTorch → 37,7%; TensorFlow → 32,9%; Deep learning → 28,1%; Обработка естественного языка → 19,7%; Дообучение моделей (fine-tuning) → 14,8%; Компьютерное зрение → 12,5%. Сноска: «доля вакансий»

## 4. Слой генеративного AI: важный, но не первый

- 01 «Работа с готовыми большими моделями — 51,3% (выборка 43 480)» — Промптинг, ограничение вывода, оценка качества ответов, контроль стоимости запросов.
- 02 «Поиск по своим документам (RAG) — 13,6% на выборке 903 и 31,6% на выборке 43 480» — Разброс большой: чем свежее и шире выборка, тем чаще RAG упомянут. Учить стоит, ставить первым — нет.
- 03 «LangChain — 10,7% вакансий в общем срезе» — Внутри узкого агентного сегмента доля другая — 34,3% из 534 объявлений. Документация: LangChain overview.
- 04 «Прямая работа с GPT-моделями — 7,8%» — Самая обсуждаемая тема оказалась самой редкой строкой требований.

врезка `// Главный вывод`: текст «Модный слой стоит поверх фундамента, а не вместо него. Обёртку над моделью реально освоить за вечер. Python, облако, деплой и мониторинг за вечер не осваиваются — и именно за них платят.»

## 5. Трезвая картина рынка

- 01 «Только 2,5% вакансий рассчитаны на специалистов с опытом 0-2 года» — Вход есть, но он узкий. Реальный обходной путь — прийти из смежной инженерии со своим работающим проектом.
- 02 «PhD требуют 27,7%, магистратуру — 24%, бакалавриат — 24%, а 25% вакансий степень вообще не указывают» — И «нужен PhD», и «диплом не нужен» одинаково неверны: рынок расколот примерно на четыре равные части.
- 03 «72% вакансий в большой выборке всё же указывают требование к образованию» — Обе выборки — рынок США. Пропорции навыков переносятся на другие рынки осторожно: зарплаты и доля junior-позиций отличаются.

## 6. Порядок действий

- [ ] Написать на Python сервис, который делает что-то одно и делает это до конца.
- [ ] Упаковать его в контейнер и выкатить в облако под своим доменом.
- [ ] Добавить логи, метрики и алерт: узнавать о падении раньше, чем пользователь.
- [ ] Подключить к нему большую модель и оценить качество ответов на своих данных.
- [ ] Прикрутить поиск по своим документам — как слой поверх работающего сервиса.
- [ ] Собрать автодеплой, чтобы обновление уезжало одним коммитом.
- [ ] Показывать в резюме не список фреймворков, а цифры своего сервиса: скорость, стоимость запроса, аптайм.

## 7. Откуда цифры

- Исследование 903 вакансий AI-инженера на Glassdoor (США) — Python, PyTorch, TensorFlow, облака, степени, доля junior-позиций.
- Разбор 43 480 вакансий по AI-инженерии в США — облако, CI/CD, мониторинг, работа с большими моделями, RAG.
- Срез 534 вакансий по агентным системам — доля LangChain и LangGraph внутри агентного сегмента.

---

Источник: https://localhost:3000/m/chat-prosyat-v-vakansii