Сотрудница тоже в замешательстве: "У нас что-то с системой". Пробуем поменять карту — вдруг первая бракованная? Не помогает.

"Весёлая карусель" горячей линии

Звоню в поддержку. Меня перекидывают с оператора на оператора, один советует написать обращение, другой — обратиться к вышестоящему сотруднику. Но в офисе никто не знает, что делать.

Через пару дней приходит гениальный ответ: "Почистите кеш браузера". Мы даже пробовали зайти с планшета сотрудницы — безрезультатно.

Итог: "Вовкин Теневой Банк"

Прошла неделя — воз и ныне там. Карта есть, а пользоваться нельзя. На горячей линии лишь разводят руками: "Мы разберёмся".

Вот так я снова не стал клиентом ВТБ. Может, это знак — вернуться в Газпромбанк? Или искать третий вариант?

P.S. Если у вас был похожий опыт — делитесь в комментариях! Интересно, кому ещё "повезло" с таким сервисом.

P.S.2. ВТБ не пишите в комментариях, что вам жаль, что я столкнулся с такой ситуацией. Я вам все равно не верю.

Я решил воспользоваться акцией и подал заявку на карту Газпромбанка. В моём городе нет отделений этого банка, хотя раньше они были, но их закрыли.

Мне обещали доставить карту курьером. У меня уже был опыт получения карты таким способом от другого банка, и я остался доволен. Тогда ко мне приезжал курьер, и мы хорошо пообщались. Поэтому я не ожидал подвоха в этот раз. Я хотел получить карту как можно скорее, поэтому выбрал сегодняшний день и взял отгул. С собой я взял паспорт. Ко мне приехала курьерша, она попросила меня снять очки и потратила больше четырёх попыток, чтобы сфотографировать меня. Её камера не могла подцепить QR-код, а у меня от этого болели глаза. Простая процедура становилась утомительной, меня уже начало все это раздражать.

Я спросил, выгодно ли так работать или проще таксовать. Она ответила, что это зависит от ситуации, и начала проверять мои данные по паспорту. Сказала, что адрес указан некорректно: в виде дроби, а надо было указать корпус. Я помню, что указал корпус в отдельном поле. Она согласилась и начала придираться к формату адреса в названии улицы. Я сказал, что это автоматически вылезло на сайте, и я указал именно так. Потом она снова начала придираться, сказала, что их жёстко проверяют, и велела оформить новую заявку и ждать нового курьера.

Это было уже слишком. За всё время я впервые столкнулся с таким отношением. Я сказал, что ничего оформлять не буду и возьму по акции карту другого банка. Она ответила, что это политика их компании, и я спросил, куда можно пожаловаться. Она сказала, что можно обратиться в контактный отдел. Я ответил, что это первая линия, которая ничего не решает. Она сказала, что не имеет права говорить данные начальства. Я забрал паспорт и ушёл от неё. Мне стало жаль потраченного времени.

Я был вне себя от ярости и позвонил по контактному номеру банка. Две минуты я потратил на бота, а потом 15 минут ждал оператора. Я высказал всё, что думаю об этой сотруднице и отделении. Я сказал, что если они не извинятся и не выдадут мне карту с эксклюзивными условиями, то я сделаю всё, чтобы мои платёжеспособные друзья перестали пользоваться их карточками. Мне всё равно, кто они, я сделаю всё возможное, чтобы законными методами снизить их выручку и репутацию бренда. Оператор недовольно отвечала, что фиксирует мои слова и направит их в отдел. Я продолжил говорить, но оператор сказала, что есть помехи и меня не слышно. Я со злобой бросил трубку.

Прошло уже много времени, но я до сих пор не могу забыть об этом случае. У них совершенно неуважительный подход к потенциальным и платёжеспособным клиентам. Я желаю этому банку судьбы Киви банка — такой же мерзкой и заносчивой компании.

Их поддержка мне ответила, что закрыть карту можно после оплаты "задолженности" . Так что, тогда они мне хоть пять лет могут продлевать "обслуживание", если я не оплачу ???

Кроме того, если уж судиться ( а почему бы и нет), первоначальные обещания банка "оплата за границей" у них не работает. Так что с их стороны также условия не выполнены.

А как у вас дела?

Я несколько раз пытался и так и эдак зайти через поддержку, чтобы получить информацию (отдельная история решить 3 задачи: добиться до человека, дождаться ответа, и успеть написать "да" , когда он после отписки спросит: "что-то еще?" и отключится через 30 секунд.). Ниже один из последних диалогов:

Парам-парам-пам.

Я ленив, я ЗП-клиент, я ищу другой банк.

PS а все начиналось с копеек:

Газпромбанк убрал из уведомлений копейки

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!