Я прошёл 10+ собеседований на AI-инженера. Рынок вообще не понимает, кто это!

За последний месяц я прошёл более 10 собеседований на позицию AI-инженера и убедился, что рынок до сих пор смутно понимает суть этой роли. Многие думают, что это просто бэкендер с подпиской на Claude Code или специалист по обучению моделей с нуля. В этом видео рассказываю, почему AI-инженер – это отдельная инженерная дисциплина на стыке Software Engineering и прикладного ML, в чём разница между пет-проектом и Production-grade решением, а также подробно пройдёмся по полной карте компетенций (Roadmap). ⏱️ Таймкоды: 00:00 — Почему рынок не понимает, кто такой AI-инженер? 00:43 — Software Engineer vs ML Engineer vs AI Engineer 01:22 — Главное отличие: пет-проект против Production-grade 01:51 — Блок 1: Software Engineering (Python, TS, изоляция и культура кода) 02:56 — Базы данных: PostgreSQL, MongoDB и векторные хранилища (pgvector, Qdrant) 03:14 — AI-агенты в разработке: custom skills, sub-agents и guardrails 03:45 — Блок 2: Базовый ML (архитектура трансформеров, attention, метрики) 04:11 — Блок 3: Работа с LLM, выбор моделей и Context Engineering 05:05 — Блок 4: RAG-системы (стратегии чанкинга, гибридный поиск, реранкинг) 06:07 — Блок 5: Агентские циклы, Function Calling и стандарт MCP 06:44 — Блок 6: Observability, LLM-as-a-judge, трейсинг и защита от инъекций 07:48 — Блок 7: Прикладная математика — что реально спрашивают? 08:49 — Итоги: где забрать роадмап и как войти в специальность Теги: #aiинженер #искусственныйинтеллект #разработка #rag #llm #mcp #программирование #нейросети #datascience #itкарьера #собеседование