У кальмаров и некоторых других морских беспозвоночных, кровь имеет отличительный голубой цвет. Это связано с особенностью их крови и способом переноса кислорода.
У большинства животных, включая млекопитающих, перенос кислорода осуществляется при помощи гемоглобина, содержащего железо. Гемоглобин связывает кислород в легких и доставляет его к тканям организма.
У кальмаров и других групп морских беспозвоночных, перенос кислорода происходит с помощью гемоцианина, содержащего медь. Гемоцианин имеет способность связывать кислород и переносить его к тканям организма. Он обладает голубой окраской, что придает кальмарам их характерный цвет крови.
Интересно отметить, что гемоцианин более эффективно связывает кислород в условиях низких температур и высокого давления, которые характерны для глубоководных сред. Это позволяет кальмарам выживать и функционировать в их естественной среде обитания на значительных глубинах океана.
Таким образом, голубая окраска крови у кальмаров связана с присутствием гемоцианина, содержащего медь, который отличается от гемоглобина у млекопитающих. Эта особенность адаптирована для эффективного переноса кислорода в условиях низких температур и высокого давления, характерных для их морской среды обитания.
Учёные сняли на видео рыбу, плавающую на глубине 8 336 метров ниже уровня моря недалеко от Японии, что сделало её самой глубоководной рыбой, когда-либо пойманной на камеру.
Учёные сбросили автономную посадочную камеру в желоб Идзу-Огасавара недалеко от Японии и засняли рыбу, которая, по их оценкам, находится на максимальной глубине, на которой может выжить любая рыба, или «очень близко к ней». Ранее самая глубокая зарегистрированная рыба – марианская улитка – была замечена на глубине 8 178 метров в Марианской впадине.
«Если этот рекорд и будет побит, то лишь с незначительными приращениями, потенциально всего на несколько метров», – заявил Алан Джеймисон, учёный-глубоководник из Университета Западной Австралии.
Учёные полагают, что рыба относится к роду Pseudoliparis, лучеперых рыб из семейства липаровые отряда скорпенообразных, но им не удалось поймать экземпляр, чтобы точно его идентифицировать. Вместо этого исследователи поймали несколько рыб немного выше в воде на глубине 8022 метра, которые были идентифицированы как Pseudoliparis belyaevi, и установили рекорд самой глубокой рыбы, из когда-либо пойманных.
Образец Pseudoliparis belyaevi, собранный в глубинах океана
Рекордсмен: самая глубокая рыба, когда-либо пойманная на камеру
«Я расстраиваюсь, когда люди говорят мне, что мы ничего не знаем о морских глубинах. Мы знаем, но всё меняется очень быстро», – заключил Джеймисон.
Эксперты разошлись во мнении, к какому виду она относится.
Причудливую глубоководную акулу с выпученными глазами и жутковатой, похожей на человеческую, улыбкой недавно выловили из морских глубин у берегов Австралии. Эксперты по акулам не уверены, к какому именно виду может принадлежать животное, что добавляет всей ситуации вокруг находки загадочности.
Рыболов, который вылавливает разных глубоководных обитателей, известен в сети под псевдонимом Trapman Bermagui. Недавно он выловил таинственную акулу с глубины около 650 метров у побережья Нового Южного Уэльса в Австралии. Позже рыбак поделился снимком акулы в соцсетях.
На изображении (выше) видны грубая кожа мёртвой акулы, похожая на наждачную бумагу, большая заостренная морда, большие выпученные глаза и обнажённые жемчужно-белые зубы.
Необычные черты акулы привлекли внимание других пользователей соцсетей, которые были либо поражены, либо напуганы увиденным. Комментаторы также предположили, к какому виду принадлежала акула. Наиболее распространенное предположение заключалось в том, что это была бразильская светящаяся акула или акула-резак (Isistius brasiliensis), названная так в честь характерных следов укусов, которые она оставляет на более крупных животных.
Другие предположения включали акулу-домового (Mitsukurina owstoni) или разновидность чёрных светящихся акул (Etmopteridae).
Однако автор находки не согласился с комментаторами. Он считает, что ему попался образец малоплавниковой короткошипой акулы (Centrophorus moluccensis). По данным Научно-исследовательского института акул, эти хрящевые рыбы обитают по всему миру. Но некоторых экспертов по акулам эта версия рыболова не убедила.
«Мне кажется, что это глубоководная дапатия Dalatias licha (также известная как чёрная акула и американская пряморотая акула), которая водится в водах у берегов Австралии. Хотя трудно сказать наверняка, не видя весь образец воочию», – заявил Кристофер Лоу, директор Лаборатории акул в Калифорнийском государственном университете в Лонг-Бич.
Дин Граббс, морской биолог и эксперт по акулам из Университета штата Флорида, пришёл к другому выводу. Он подозревает, что это белоглазая акула Оустона (Centroscymnus owstonii), разновидность акул из того же семейства, что и гренландские акулы (Somniosus microcephalus).
Также возможно, что акула может принадлежать к неизвестному ранее виду, добавил Лоу. «Мы постоянно открываем новые виды глубоководных акул, и многие из них очень похожи друг на друга», – сказал учёный.
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.
