ИИ и ML
Сверхвостребованный навык, включая remote-вакансии.
Почему стоит учить
AI / ML — самая шумная категория найма в IT, но барьер входа реальный: одного "prompt engineering" мало. Хорошо платят за инженерный слой вокруг моделей: data-пайплайны, fine-tuning, evaluation, MLOps, доведение LLM до production за реальными API. Из Тбилиси самый выгодный путь — профиль "AI engineer": компетентный backend-инженер, который умеет подключить LLM и довести его до прода. Чисто research-ролей мало, и они плохо переводятся в remote.
- Глобально 2025
Использование AI-инструментов в масштабе среди профессиональных разработчиков
Раздел AI →Источник: Stack Overflow Developer Survey
- Глобально 2025
Активность AI / ML репозиториев в GitHub Octoverse
Octoverse →Источник: GitHub Octoverse
- Тбилиси 2026
Активные AI / ML / data вакансии на крупнейшей доске объявлений Тбилиси
Текущие вакансии →Источник: jobs.ge
Где используется
Рекомендательные системы, fraud detection, модерация контента, document understanding, и теперь — массово — LLM-фичи поверх любого SaaS, который хочет выглядеть современно. Интересная доступная из Тбилиси работа — в "applied AI": внедрение LLM-фичей в существующие продукты у международных компаний с remote. Чисто research-роли редкость даже в больших рынках.
Как эту роль называют рекрутеры
Распространённые названия позиций
- ML-инженер
- AI-инженер
- Data Scientist
- Applied Scientist
- MLOps-инженер
- AI Solutions Engineer (LLM)
Сочетается с
Наши курсы
От начального к продвинутому — выберите точку входа под ваш текущий уровень.
Введение в AI: Генерация UI сайтов с помощью Copilot
Научитесь использовать AI-инструменты — особенно GitHub Copilot — для генерации современных UI-макетов, компонентов, стилей и полной структуры сайтов. Практический курс для разработчиков, желающих ускорить фронтенд-разработку с помощью AI.
AI-разработка на .NET
Интегрируйте AI в .NET-приложения через OpenAI и Azure OpenAI API. Создавайте интеллектуальные функции: чат, резюмирование, эмбеддинги, семантический поиск и RAG-пайплайны — всё на C# и ASP.NET Core.
Prompt Engineering и автоматизация с AI
Научитесь работать с AI-моделями: пишите качественные промпты, создавайте автоматизированные воркфлоу с Cursor, Copilot и API, повышая продуктивность в 10 раз.
Создание приложений на LLM: RAG и агенты
Создавайте production AI-приложения на базе больших языковых моделей. Векторные базы данных, RAG, автономные агенты, вызов инструментов, оценка и паттерны деплоя.
AWS Bedrock и AI-сервисы для разработчиков
Развертывайте и используйте AI-модели на AWS: Bedrock (Claude, Llama, Titan), Lambda, API Gateway, S3 и DynamoDB. Создавайте корпоративные AI-решения, интегрированные с вашим backend.
Создание MCP-серверов и AI-инструментов
Освойте Model Context Protocol (MCP) — открытый стандарт Anthropic для подключения AI-моделей к внешним инструментам и данным. Создавайте MCP-серверы, подключайте API к Claude и проектируйте AI-интеграции нового поколения.
Создание агентов на Claude Agent SDK
Проектируйте и запускайте собственных AI-агентов на Claude Agent SDK. Стройте agent loops, определяйте инструменты, управляйте памятью и под-агентами, оценивайте поведение и деплойте мультиагентные системы для реальных инженерных задач.
Spec-Driven Development: от философии к рабочей модели
Научитесь писать спеки, которым агенты действительно следуют, выпускать код как кэш долговечной спеки и управлять триадой spec→context→evals на реальных кодовых базах. Vendor-agnostic, tool-agnostic, brownfield-ready — методологический курс, который сочетается с любым agentic-стеком.
OpenSpec на практике: production spec-driven workflows для AI coding agents
Операционализируйте SDD с OpenSpec — open-source spec framework, относящимся к спекам так, как Git относится к коду. Освойте /opsx:propose, /opsx:apply и /opsx:archive на реальной brownfield-кодовой базе. CI-гейты, мульти-инженерная коллаборация, ретрофиттинг legacy-спек и workflow-ритуалы, которые приживаются.
Из нашего блога
-
AI-инструменты, которые должен использовать каждый разработчик в 2025
Не хайп-список. Практический разбор того, какие AI-инструменты реально экономят время, какие — крадут, и как построить воркфлоу, делающий вас измеримо быстрее.
-
Claude Code в production: чему я научился за 6 месяцев
Полгода Claude Code как основного инструмента — какие воркфлоу реально экономят время, какие тихо его съедают, и какую конфигурацию большинство команд так и не настраивают.
-
Контекст-инжиниринг: дисциплина, которая в 2026 году заменяет prompt engineering
Prompt engineering никогда не был настоящим навыком. После двух лет в продакшене с AI-фичами могу сказать прямо: на результат влияет другое — контекст-инжиниринг. Состояние, инструменты, поиск, история и ограничения, собранные в окне модели в нужный момент. Архитекторский взгляд.
-
От C# к AI-агентам: путь .NET-разработчика к разработке на Claude
Вы уже знаете C#, ASP.NET Core и умеете запускать production-бэкенды. Вот как переиспользовать эти навыки для серьёзных AI-агентов на Claude — не выбрасывая свой стек.
-
Durable Execution для агентов: пятая дисциплина, к которой ваш .NET-бэкграунд уже вас подготовил
Спека — это правда. Контекст — сборка. Evals — доказательство. OpenSpec — операционная система. А субстрат под всем этим — то, что держит многошагового агента в живых через ретраи, рестарты и человека, который ушёл с работы в 17:00, не подтвердив approval-чекпоинт — это durable execution. Любой .NET-инженер, который хоть раз отгружал MassTransit-сагу, уже понимает этот паттерн; вот как он ложится на серьёзных AI-агентов в 2026, и почему именно это та пятая дисциплина, которая наконец закрывает арку.
-
Evals в 2026: тест-сьют для систем, которые не детерминированы
Ваша AI-фича работала вчера и ломается сегодня. Ни код, ни промпт, ни модель не менялись. Так выглядит жизнь без evals. Это третья опора триады spec → context → evals — и дисциплина, которую большинство команд пропускает.