Перейти к содержимому
Учи.Онлайн Выбрать школу
Статья

Зарплата ML-инженера в России в 2026 году

В ноябрьских вакансиях ML-инженерам с опытом 1–3 года предлагали от 120 000 ₽ на руки в месяц за модели для роботов и 150 000–160 000 ₽ за поиск по документам и языковые модели. В ведущей роли с разработкой моделей для видео и аудио встречались 300 000–400 000 ₽ на руки. Оплата зависит от прикладной задачи и ответственности за работу модели после запуска.

Автор: редакция Учи.ОнлайнОтветственный редактор: Дмитрий Игнатьев
Содержание
ML-инженер проверяет результаты работы модели на двух мониторах.

Как превратить модель из ноутбука в часть приложения? На курсе «ML-инженер» от Яндекс Практикума участники проходят этот путь целиком. Они готовят данные, обучают модель, проверяют качество её прогнозов и подключают её к сервису, который может принимать запросы и возвращать ответы.

Открыть курс

Сколько зарабатывает ML-инженер

ML-инженер готовит данные, обучает модель и проверяет, как она решает задачу. В одной роли надо запустить модель на устройстве, в другой — организовать поиск по документам и проверить ответы. В более самостоятельных позициях сотрудник также принимает технические решения и отвечает за качество модели после выпуска.

В ноябрьских вакансиях ML-инженеров встречались от 120 000 ₽ на руки за компьютерное зрение и обработку аудио на устройстве, а за языковые модели и поиск — 150 000–160 000 ₽ на руки. За ведущую роль с работой над видео и звуком называли 300 000–400 000 ₽ на руки. В задачах скоринга и контроля качества исходных данных встречался верхний предел до 400 000 ₽ на руки. Суммы относятся к месяцу работы.

За что платят при работе на устройстве

Модель для робота должна успеть обработать изображение или звук, прежде чем устройство примет решение. Например, если камера увидела препятствие, задержка между кадром и ответом модели влияет на реакцию всей системы. Инженер измеряет время на самом устройстве и проверяет, как результат меняется при плохом освещении или шуме.

Размер модели тоже имеет значение. Сложная модель может показывать высокую точность при проверке на мощном компьютере и работать слишком медленно в устройстве. Поэтому инженер оценивает, какой результат можно получить при доступной памяти и вычислительной мощности. В таких задачах платят за работоспособное решение в реальных условиях.

Как меняется работа с языковыми моделями

В поиске по документам нужно правильно найти источник и использовать его при формировании ответа. Если подходящий документ не попал в выдачу, исправлять формулировку ответа недостаточно. Инженер выясняет, срабатывает ли поиск, какие документы участвуют и в каких вопросах система чаще ошибается.

У такого проекта свои критерии качества. Например, при отсутствии нужного материала модель должна сообщить, что данных мало, а не заполнить пробел догадкой. Инженер собирает набор вопросов и ожидаемых ответов, сверяет результат с документами и повторяет проверку после изменений. Эти навыки отличаются от работы с кадрами, даже если объявления требуют одинаковый стаж.

За что платят в ведущих ролях

Когда сотрудник руководит технической работой, он выбирает, какие эксперименты проводить и по каким данным сравнивать варианты. Если новая версия точнее на части примеров, но хуже на других, нужно решить, улучшает ли она приложение в целом. Для этого приходится учитывать разные сценарии и согласовывать критерии с командой.

В задачах скоринга модель оценивает риск по заявкам. Если один источник меняет способ расчёта показателя, качество может упасть и без обновления модели. Специалист следит за такими изменениями и определяет, что нужно проверить перед новым выпуском. Такой уровень ответственности объясняет, зачем работодателю опыт внедрения и сопровождения, а не только обучения моделей.

Как сравнивать предложения с одинаковым стажем

В разных проектах один инженер может отвечать за подготовку данных, выпуск и разбор ошибок. В исследовательской команде часть этих задач выполняют другие специалисты. Поэтому одинаковый стаж сам по себе мало говорит об оплате. Полезнее сравнить ожидаемый результат, задачи после запуска и предел самостоятельных решений.

Отметки «от» и «до» задают разные границы. При сравнении нужно также учитывать, требуется ли работа на месте для испытаний устройства или доступна удалёнка. Это меняет повседневную работу даже при одинаковой оплате на руки.

Как учатся проектировать и запускать модели

Путь модели удобно изучать целиком, от качества исходных данных до наблюдения за её поведением после запуска. На учебной задаче можно проверить этот путь без доступа к коммерческому проекту.

На курсе «ML-инженер» от Яндекс Практикума сначала разбирают Python, SQL, статистику и подготовку данных. Затем участники обучают модели, проверяют их на новых данных и пробуют развернуть модель как сервис.

Открыть курс

  • Разобрать задачи классификации и работу с изображениями и текстом.
  • Собрать процесс подготовки данных, обучения и проверки модели.
  • Упаковать сервис в контейнер и познакомиться с мониторингом.

Итог

Доход ML-инженера зависит от задачи, для которой работает модель, и ответственности за её результат. На одном уровне нужно провести эксперимент и проверить качество. На другом к этому добавляются выпуск, наблюдение за работой и решения, которыми пользуется вся команда.