Data Scientist, ML- и AI-инженер: как сравнить вакансии

В Data Science значительная часть задачи может приходиться на постановку эксперимента, выбор признаков и оценку результата. У ML-инженера добавляется эксплуатация модели: доставка, задержка ответа, мониторинг и обновление. Название AI-инженер особенно широкое: за ним могут стоять интеграции моделей, поиск по документам или собственное обучение. Computer Vision выделяет тип данных, но тоже включает и исследования, и разработку.

Вместо одного красивого демо подготовьте проверяемый эксперимент. Опишите данные, простой базовый метод, отдельную тестовую выборку и ошибки. Для инженерной роли добавьте сервис, ограничение времени ответа и способ воспроизвести запуск. Для изображений покажите качество на разных условиях съёмки. Если используете готовую модель, явно отделите собственную работу от возможностей модели: интеграцию, оценку, обработку ошибок и интерфейс.

Зарплаты раскрыты лишь в части публикаций, причём доля раскрытия различается между ролями. Если у одной специальности указано восемь вилок, а у другой несколько десятков, даже формально рассчитанная медиана отвечает за разные по полноте выборки. В этом сравнении показано раскрытие зарплаты, а не придуманная единая ставка для всех AI-специалистов. Для денежного сравнения дополнительно нужны опыт, валюта, налоговый статус и совместимые полные вилки.

Data Scientist: 164 публикаций; удалённый формат отмечен в 60 (36,6%), зарплата раскрыта в 8 (4,9%). В верхних строках списка навыков: Python, SQL, PyTorch.

ML-инженер: 205 публикаций; удалённый формат отмечен в 87 (42,4%), зарплата раскрыта в 48 (23,4%). В верхних строках списка навыков: Python, ML, PyTorch.

AI-инженер: 235 публикаций; удалённый формат отмечен в 121 (51,5%), зарплата раскрыта в 55 (23,4%). В верхних строках списка навыков: Python, AI, SQL.

Computer Vision-инженер: 43 публикаций; удалённый формат отмечен в 7 (16,3%), зарплата раскрыта в 12 (27,9%). В верхних строках списка навыков: Python, Computer Vision, C++.

В таблице — объявления из последнего завершённого поискового сбора HH, найденные по названиям профессий и их алиасам. Даты наблюдаемых публикаций: 2026-08-16 — 2026-09-15; это фактически полученный интервал внутри окна запроса 180 дней, а не полная история за полгода. Источник ограничивает глубину выдачи, поэтому числа не равны всем активным вакансиям HH или всему рынку труда.

Доли удалёнки и раскрытия зарплаты рассчитаны от общего числа публикаций каждой роли. Поле без опыта взято из требований HH; грейд по нему не назначается. Навыки относятся к заполненным полям карточек: отсутствие тега не означает отсутствие требования. Фиксированный JSON сохраняет числа этой статьи, а текущие страницы профессий могут обновиться после следующего сбора.