Заказала билеты Москва-Калининград-Москва 10.08.2025-20.08.2025.

Оформил билеты, заплатил дополнительно за выбор мест 6000 руб., и какое же было моё удивление, что детские билеты проходят со скидкой порядка 15%, а не как было заявлено во всех пресс-релизах и президенту (при чем до итогового оформления это нигде не отображается).

Позвонил на горячую линию 26.12 в 22:21. Консультант Кирилл (вроде не путаю) на мой вопрос как же так, почему Аэрофлот заверил всех и указал на сайте, что отработал поручение президента, по факту просто обманывает. Предоставил информацию по моему бронированию с ФИО всех пассажиров для идентификации и поиска информации по моим билетам.

На что молодой человек мне сказал, что мне итак как жителю Калининграда предоставляется скидка... На мой ответ, что я не являюсь ни жителем Калининграда, ни даже Столицы нашей Родины, ретировался что-то уточнять...

Пока он уточнял, я сам полез в поиск, сайт аэрофлота выдал мне информацию про субсидированные билеты Москва-Калининград-Москва, цены для взрослых 3800, детям 2800 ( когда у меня 11 и 9). Понял, что мои точно не такие...

Спустя минут 5 уточнений он мне заявил, что мои билеты "плоские", а на них не распространяются скидки.

Мои аргументы, что у меня рейс SU, как раз тот, что указан как подпадающий под новую скидку 50% для детей, он продолжал говорить, что мои билеты не объёмные...

Тогда я попросил его подсказать, что если эти билеты какие-то неправильные SU, то как я мог заметить в них подвох и нетрёхмерность. Это всё было уже примерно на 30й минуте звонка...

Далее пошло самое интересное...

Этот товарищ пошёл что-то уточнять, подключаюсь раз в 2 минуты и тарабаня "ещё одну минуту, пожалуйста".

Так прошло минут 20, и я уже начал подозревать неладное.... на 50й минуте раза 3 в моменты его выхода в эфир я чётко и настойчиво его просил меня услышать, но человек на том конце проявлял полное безучастие и игнорируя меня, включал музыку, ставят меня на удержание.

Когда на счётчике минут загорелось 60:05 звук на том конце исчез, музыка перестала звучать, но вызов не был разорван, из чего я делаю вывод, что данное ограничение на стороне аэрофлота, а не оператора...

Далее ещё минут 15 я дозванивался в справочную. Вызов приняла женщина со стальным голосом, которая, выслушав мою историю, жёстко по скрипту с отсылками к регламенту, сказала, что он ПЛОСКИЙ, и всё тут! На вопросы как я могу это понять, отправила меня к каким-то их правовым нормам. На мою просьбу зафиксировать устную претензию ответила отказом, опять на что-то сославшись... Предложила мне самому заполнить какую-то форму и станцевать танцы с бубном кроме тех, что я уже делал, дозваниваясь до них.

На вопрос нормально ли такое обслуживание и вымораживание в течение получаса, сказала, что я могу жаловаться в соответствии с какими-то процедурами, но не ей. Свою оценку действий коллеги так же не дала.

Резюмируя: Аэрофлот нагло обманывать жителей РФ, заявляя, что дают скидки 50% детям!

Так что будьте внимательны и знайте, что отчитаться президенту - это одно, а соблюдать обещание в полной мере - это другое.

Вопрос тут даже не в деньгах, а в отношении.

Банки хоть звёздочки пишут, а у этих при оформлении даже нет указания с микроскопическими звёздами, что этот билет не попадает под выполнение поручений президента.

В результате взяли билеты, заплатили за выбор мест так как летим семьей и нужно чтобы 4 места были рядом. Так как самолет имеет только 3 места в ряду, выбрали по 2 друг за другом. Всё вроде ок, но через пару месяцев аэрофлот уведомляет, что наши оплаченные места изменены и разбрасывает нас по салону.

Звонить в поддержку - это отдельный вид мазохист- первый раз я провисел на линии достаточно долго, после чего меня опять мурыжили час. Перезвонив второй раз на первой линии сказали, что вроде модно решить вопрос и перевели снова, но звонок сорвался...

импортозамещающий сервис в силе, отношение как в СССР....

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.

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.

Начните учиться бесплатно!