MLOps: рынок
MLOps — инженерия жизненного цикла моделей машинного обучения: воспроизводимое обучение, реестр моделей, выкатка в продакшн, мониторинг качества и дрейфа данных. В базе 1 985 открытых вакансий с MLOps, 1 884 — свежие. С приходом LLM роль расширилась: к классическим конвейерам добавились оценка LLM-приложений, выдача моделей на GPU и управление стоимостью инференса. Основной спрос формируют роли ML/AI, AI Engineer и Data. Рядом в требованиях чаще всего стоят Python, AWS и Azure. Полную удалёнку допускают 37% объявлений. Ниже — измеренный спрос на MLOps.
На рынке MLOps сейчас 1 985 открытых вакансий, из них 1 884 со свежим наблюдением. Медианная зарплата $9 250/мес. Наблюдаемый пул специалистов — 347.
Полную удалёнку допускают 37% вакансий с MLOps; доля считается только по объявлениям, где формат указан.
⚠ зарплата известна у 123 из 1985 вакансий; доля удалёнки — от 1600 с указанным форматом; свежими наблюдениями считаются 1884; тренд и сложность найма не показываются
Спрос и наблюдаемый пул
| Открытый спрос | 1 985 |
| Наблюдаемый пул | 347 |
⚠ подходящих под вакансию кандидатов пока не считаем: показаны спрос и наблюдаемый пул
Распределение зарплат
Каждый десятый получает менее $4 234, каждый десятый — более $17 708. Половина рынка укладывается в $5 985–15 416. Выборка: 123.
Гистограмма вилок по вакансиям с MLOps строится только по объявлениям с явно указанной вилкой; медиана считается по той же выборке.
География спроса
| страна | вакансий |
|---|---|
| US | 396 |
| PL | 302 |
| GB | 149 |
| IN | 128 |
| DE | 98 |
| CA | 52 |
| FR | 51 |
| RU | 50 |
| BR | 40 |
| SG | 39 |
Лидер спроса на MLOps — США (396 позиций).
⚠ только число вакансий: зарплата по странам не публикуется
С чем используется вместе
Рядом с MLOps в требованиях чаще всего стоят Python, AWS и Azure.
В каких ролях встречается
| роль | вакансий |
|---|---|
| ML/AI | 731 |
| AI Engineer | 388 |
| Data | 261 |
| DevOps | 197 |
| Architect | 133 |
| Platform Engineer | 49 |
| Fullstack | 42 |
| Backend | 29 |
| Product | 21 |
| Security | 19 |
⚠ корзины `Other` и `IT` исключены из состава как не-роли
Спрос по уровням
| уровень | вакансий |
|---|---|
| senior | 683 |
| principal | 187 |
| lead | 133 |
| middle | 120 |
| junior | 34 |
Senior и выше — около 87% из 1 157 вакансий с MLOps и размеченным грейдом. MLOps требует опыта и в ML, и в инфраструктуре — junior-позиций почти нет.
⚠ только сторона спроса: грейд наблюдаемого пула неизвестен у большинства
Работодатели
Спрос распределён между 1 069 работодателями. На крупнейшего приходится 2.7%, на десятку — 11.0%; остальные 89.0% — длинный хвост.
| доля | значение |
|---|---|
| крупнейший | 2.7% |
| топ-3 | 6.0% |
| топ-10 | 11.0% |
| длинный хвост | 89.0% |
⚠ имена не показываются: кадровые агентства и конечные работодатели пока не различаются классификацией
Откуда Zorky видит этот рынок
Наблюдение идёт из 94 источников; на крупнейший приходится 23.1% — рынок не держится на одном канале.
Вакансии с MLOps приходят в основном из классов источников «ATS и карьерные сайты» и «джоб-борды и агрегаторы».
Свежие вакансии
- AI Data engineer · TH
- Senior Data engineer · TH
- ML-researcher / ML-engineer / Data-Scientist · RU
- AI Team Lead · JO
- AI Team Lead · JO
- Principal Data & AI Consultant · US
- Data Scientist IA Generative (F/H) · FR
- AI Engineer · MX
Соседние рынки
⚠ соседние рынки для сравнения ещё не определены
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: 7.
Данные на 2026-10-21
Частые вопросы
Частые вопросы о рынке MLOps — короткие ответы по данным этого же среза.
Какие инструменты спрашивают в MLOps-вакансиях?
MLflow или Weights & Biases для экспериментов, оркестраторы (Airflow, Kubeflow, Prefect), Kubernetes и Docker, выдачу моделей (Triton, vLLM, KServe), облачные ML-платформы (SageMaker, Vertex AI, Azure ML), мониторинг.
Чем MLOps отличается от DevOps?
Кроме кода, версионируются данные и модели; качество проверяется метриками модели, а не только тестами; продакшн деградирует от дрейфа данных даже без изменений в коде.
Велик ли спрос на MLOps?
В срезе 1 985 открытых вакансий с MLOps; спрос растёт вместе с переходом компаний от экспериментов с моделями к их эксплуатации.