Немецкая карусельная хрюшка Фридриха Хейна, около 1910 г.
Автоматон с гробиком и монетоприемником, для приведения сценки в движение, 1885 - 1915 гг.
Когда в механизм вставляется монета, за гробом появляется голова скелета, он принимает вертикальное положение и поворачивает голову. Затем череп исчезает и появляется дьявол.
Девочка со сменными головами, Германия, производитель SCHILDKRÖT, фабрика основана в 1896 году.
Мебель для кукольного домика, выпиленная около 1900 г.
Заводная игрушка "Кошки-мышки," Швеция, 1950-е гг.
Заготовка для куклы. Германия, XIX век.
Заводная механическая игрушка "Спутник СССР". Ленинградский завод металлоизделий, 1960-е гг.
Заводная собачка. Германия, начало XX века.
Игра-мозаика "Изменчивые леди". Лондон, 1819 г.
Каждый портрет разделен на три взаимозаменяемые части, замена любой из этих частей создает новое лицо. В мозаике 28 карточек, из которых можно собрать 22 000 комбинаций.
Фигурка ящерицы. Женева, начало XIX в.
Хвост имеет съемную конструкцию, подвижные лапки на шарнирах. После завода механизма ключом, ящерица шевелит лапами, бежит на крутящемся колесике, затем сбрасывает хвост.
Грильнница с куриными тушками, 1930-е гг.
Контейнер для сладостей из папье-маше.
Кукла в национальном русском костюме. Россия, конец XIX века.
Набор кукольных принадлежностей для ведения домашнего хозяйства, Франция, около 1890 г.
Рыцарь. Марионетка, начало XX века.
Шарнирная кукла из слоновой кости. Китайская школа династии Цин. Период Канси, 1662-1722 гг.
Мы продолжаем знакомиться с самыми старыми фотографиями, изображающими Санкт-Петербург. В первой части вы увидели фотографии, сделанные на самой заре зарождения фотоискусства между 1840 и 1852 годами. Теперь на календаре год 1853!
Напоминаю, что в качестве дополнения вы также увидите фотографии тех же мест из других эпох и ссылки на панорамы этих мест.
1.
Первое фото - работа Ивана Григорьевича Ностица, одного из пионеров отечественной фотографии, выдающегося фотографа-любителя. Будучи военным, Ностиц везде возил с собой походную фотолабораторию. Поэтому большая часть его работ - это виды Севастополя, Ялты, моря, флота, а также Кавказа. Одной из самых известных его фотографий стал портрет Шамиля. Вторая важная часть его творчества это съёмки Императорской семьи - с 1863 года он входил в свиту Императора.
Но нас с вами интересует другая его работа. И есть основания полагать, что это старейшая сохранившаяся его фотография. На ней Ностиц запечатлел площадку для строительства Николаевского дворца.
Площадка для строительства Николаевского дворца 1853 г.
Это же место на фото из другой эпохи:
Дворец труда (Бывший Николаевский дворец) в 1968 – 1970 гг.
А вот все следующие фотографии связаны с итальянским художником, родившимся в 1811 году в Варезе и в возрасте 10 лет переехавшим в Россию. Его имя Джованни Бианки, но все звали его Иван Карлович Бианки. В первую очередь он специализировался на фотографиях видов городов, и именно поэтому он интересен нам. В этой подборке мы пропустим более поздние его работы и сосредоточимся на тех, что были сделаны в 1853 году.
Благовещенский мост, 1853 г.
Это же место на фото из другой эпохи:
Вид с запада на северный пролет моста Лейтенанта Шмидта (бывший Благовещенский) в 1980 – 1988 гг.
Напомню, что строительство Исаакиевского собора продолжалось практически 40 лет, и было закончено только в 1858 году.
Сложно было подобрать фото похожего ракурса, поскольку оригинальный кадр был сделан с крыши здания (а таких фотографий всегда не очень много), поэтому удачной альтернативой показалась съемка с вертолёта.
И бонусом: две фотографии из двора дома Монферрана. Конечно, это не городской пейзаж. Но эти фото также сделаны Иваном Карловичем Бианки и относятся к тому же 1853 году.
Двор в доме Монферрана на Мойке, 1853 г.
Двор в особняке О.Монферрана, 1853 г.
В следующей статье мы посмотрим фотографии Петербурга, которые датируются 1852-1855 годами.
Машинное обучение — технология, которая позволяет компьютеру самообучаться и распознавать закономерности. А помогают ему инженеры машинного обучения. Рассказываем, чем они занимаются, какие навыки им нужны и как войти в эту профессию.
Кто такой инженер машинного обучения
Инженер машинного обучения (ML-инженер — от англ. Machine Learning Engineer) — это специалист, который разрабатывает и внедряет алгоритмы, позволяющие программам обучаться на данных и принимать решения без явного программирования. Скажем, специалист по Data Science анализирует данные и строит модели, а ML-инженер оптимизирует их и интегрирует в реальные приложения.
Профессия находится на пересечении программирования, математики, статистики и прикладного машинного обучения. ML-инженер не просто строит модель, а делает так, чтобы она эффективно работала в продакшене, обрабатывала большие объемы данных, быстро реагировала на запросы пользователей и корректно обновлялась по мере поступления новых данных.
Чем занимается ML-инженер на практике
Работа ML-инженера включает сразу несколько направлений. В первую очередь это сбор и подготовка данных. Реальный мир далек от идеала, и данные часто приходят в сыром виде: с пропусками, ошибками и несоответствиями. Инженер должен очистить их, привести к единому формату и расширить с помощью внешних источников.
Следующий этап — выбор и обучение модели. Здесь инженер выбирает один или несколько алгоритмов, проводит эксперименты, настраивает параметры, оценивает качество. Он должен понимать, как работают линейные регрессии, деревья решений, градиентный бустинг, нейронные сети и уметь выбрать нужный инструмент под задачу.
Самое сложное и ответственное начинается после того, как модель готова. ML-инженер превращает ее в часть работающего приложения. Это означает упаковку модели в API, написание серверного кода, оптимизацию по скорости и памяти, мониторинг качества в реальном времени и повторное обучение по мере необходимости. Он также работает над масштабируемостью и надежностью, так как в реальных условиях модели должны обрабатывать тысячи или миллионы запросов ежедневно.
Кроме того, инженер взаимодействует с другими специалистами: аналитиками, продукт-менеджерами, разработчиками. Он объясняет, как работает модель, какие у нее ограничения, как интерпретировать результаты. Коммуникация — неотъемлемая часть его работы.
Какие навыки и знания нужны
Чтобы стать инженером машинного обучения, нужно сочетание теоретической базы и практических навыков:
Уверенное владение языками программирования, прежде всего Python. Большинство библиотек машинного обучения, таких как scikit-learn, TensorFlow, PyTorch, написаны именно на нем.
Знания математики, особенно линейной алгебры, теории вероятностей и математической статистики тоже играют важную роль. Без них невозможно понять, как и почему работает та или иная модель, как интерпретировать ее поведение и где могут возникнуть ошибки. Для повторения основ у нас есть отдельный бесплатный курс базовой математики.
Алгоритмы машинного обучения важно понимать на уровне реализаций: что такое переобучение, как работает регуляризация, какие метрики применимы для классификации, регрессии, кластеризации.
Также важно уметь работать с базами данных (SQL, NoSQL), системами хранения и обработки больших данных (Hadoop, Spark), знать основы DevOps и MLOps (Docker, CI/CD, Kubernetes, автоматизация моделей).
Плюсы и минусы профессии
➕ Востребованность и высокая оплата труда. Инженеры по машинному обучению — одни из самых востребованных специалистов в IT-сфере. Зарплаты выше среднего по рынку, особенно при наличии успешных проектов и глубоких знаний.
➕ Перспективность. ML активно применяется в медицине, финансах, ритейле, науке и других отраслях. Это дает широкие возможности для карьерного роста.
➕ Интеллектуальная работа. Работа подходит тем, кто любит решать сложные задачи и работать с данными.
➕ Богатая образовательная экосистема. По теме ML иного курсов, open-source инструментов, конференций и сообществ. Есть возможность постоянно учиться и обмениваться опытом.
➖ Высокий порог входа. Нужны глубокие знания математики, программирования, а также баз данных, алгоритмов и архитектур моделей.
➖ Работа бывает рутинной. Большую часть времени занимает обработка и подготовка данных, отладка моделей, а не изобретение революционных алгоритмов.
➖ Трудности с внедрением моделей. Не всегда удается успешно интегрировать модель в продукт. Требуются усилия по адаптации под инфраструктуру, масштабированию, мониторингу и учету бизнес-ограничений.
➖ Конкуренция. Растущая популярность профессии означает, что в крупных городах конкуренция среди кандидатов может быть высокой.
Зарплаты ML-инженеров
По данным Dream Job, средняя зарплата ML-инженеров в России за 2025 год составляет 165 000 рублей. Чаще всего зарплаты находятся в диапазоне от 100 000 до 230 000 рублей. Минимальная зафиксированная зарплата — 87 000 рублей, максимальная — 360 000.
Вилки джуниоров в машинном обучении, по данным HH Карьера, составляют от 70 000 до 110 000 рублей. Мидлов — от 220 000 до 250 000 рублей, а сеньоров — от 348 000 до 350 000 рублей.
Вот так выглядят зарплаты в профессии ML-инженер летом 2025 года.
1/2
Перспективы профессии
Машинное обучение используется в самых разных сферах: от финансов и медицины до логистики, маркетинга и развлечений. ML-инженеры разрабатывают алгоритмы для прогнозирования спроса, распознавания лиц, антифрод-систем и рекомендательных алгоритмов.
Спрос на таких специалистов продолжает расти, а уровень доходов остается одним из самых высоких на рынке. По данным исследования, наибольший спрос в сфере анализа данных и ML пришелся на последние четыре года — число предложений выросло в 2,5 раза.
Конечно, вход в профессию требует знаний, самообразования и реальных кейсов. Но те, кто готов учиться и двигаться вперед, найдут в этой области интересную работу с постоянными интеллектуальными вызовами и большими карьерными перспективами.
Как стать ML-инженером
Многие специалисты приходят в машинное обучение из смежных областей: математики, физики, программирования, аналитики. Часто у них есть техническое образование, хотя это необязательно. Важнее — желание учиться и практиковаться.
Один из самых надежных способов — пройти профильное обучение. Это может быть вуз, где есть направления по ИИ и анализу данных, или курсы, ориентированные на практику. Онлайн-платформы предлагают мощные программы, которые можно проходить параллельно с работой или учебой.
Например, стартовать в профессии поможет онлайн-курс «Инженер машинного обучения» Практикума — за 4 месяца вы изучите полный жизненный цикл модели машинного обучения и сможете строить продвинутые ML‑модели. Вы освоите Docker, FastAPI, Airflow, MLflow, Yandex Cloud и другие инструменты, добавите 7 ML-проектов в портфолио и получите диплом о профессиональной переподготовке.
