В каждом доме своя атмосфера, свой запах. С каждой открытой дверью, попадаешь в разные семьи. Но нет нигде бабушки, которая заварит чай и накормит пирожками. Нет дедушки, который наколит дров для печи. Тебя встречают лишь пыльные фотографии бывших жильцов.
Все дома строили в разное время, здесь жили люди из разных поколений, но сейчас все объединилось. Здесь нет счета лет, никто не перевесит календарь и не заведет часы. Все замерло в один момент..

P. S. Если понравится, выложу продолжение истории.

55.609821,36.59576 – усадьба Васильевское и подвесной мост через Москва-реку. На 2015й год её активно реставрировали, можно было войти через КПП и осмотреть снаружи. На сейчас – глухой забор, зелень листвы, по рассказам местных если вот туда вот вверх потом вниз потом вверх да на определённую точку посмотреть то можно увидеть. Дореставрировали, мда. Зато подвесной мост посмотрели, он там буквально рядом с точкой, только к реке спуститься. Это фото из сети, я там уже был и фото не делал. Спуск не очень, грунтовый и подмывает ручьями. В дождливую погоду лучше оставить технику наверху.

Всё это звучит не очень, но я потому и показываю. Разведка есть разведка, иногда можно найти меньше чем ожидал. А иногда – больше. Добираясь к следующей точке мы вновь нашли мой любимы формат дорог: хороший асфальт, изгибы, леса с полями, никакого транспорта. И дело не в желании гонки, мы вообще весь маршрут проехали не нарываясь на штрафы. Дело скорее в том, что можно поставить газ перед лимитом и не нужно подстраиваться под машину впереди, искать дырку для обгона грузовика или отслеживать кто чем занят. Нет, дорога – только моя, точнее наша. И можно просто ехать и наслаждаться видами. Жаль только что, кажется, в пределах Второй Бетонки таких дорог уже не осталось. Очень уж тянет людей Москва.

55.654072,34.941349 – усадьба Голицыных-Муромцевых. Руины потихоньку ветшают, состояние по сравнению в фото в источнике ухудшилось. Тем не менее, всё ещё есть что посмотреть – каркас здания уцелел, лепнина в некоторых местах тоже. К слову, по пути есть музей Гагарина, мы буквально проезжали мимо.

Мы ходим по зданию и пытаемся восстановить его по руинам. Мы не искусствоведы, не знатоки быта, не профессионалы. Нам просто интересно. Идея заехать в “прихожую” на мотоцикле ради удачного кадра сразу отвергается как некультурная. А то спросят меня: “NoAdO, чё за пост без мотоциклов-то?”. Ну, вот поэтому. Звонок другу, фото @kablag:

Вот так мотоциклы и стояли фарами в кусты, пока мы ходили. Это обочина, ни один куст не пострадал =) Осмотрев остатки Усадебного дома, посещаем мемориал героям Великой Отечественной. Помимо традиционных фамилий, там же – вещи времён войны. Каски, гильзы от снарядов, сапёрная лопатка. Всё это не под стеклом а прямо так – бери да смотри.

Закончив тут, выдвигаемся на последнюю точку. Надо сказать, количество приключений резко увеличилось. Сперва навигатор повёл нас по грунтовой дороге, разбитой грузовиками. Ямы были буквально на любой вкус: большие, малые, продольные, поперечные, грейдером, песочком.. и так 12 километров. Разогнаться удавалось лишь немного быстрее чем самосвалы, которые играли в эту аркаду далеко не первый раз, используя всю ширину дороги и внезапность маневров для обмана ям.

фото - @kablag

55.480995,34.109974 – усадьба Шереметьевых, наша самая дальняя точка маршрута. Нас занесло аж в соседнюю область, Смоленскую.

Вообще поселение Высокое находится в каком-то странном состоянии. Людей нет, дома на въезде не заброшены, в одном месте работает техника, подчищая остатки снесенного здания. Но одновременно с этим – возле усадьбы целая улица из заброшенных домов с пустыми глазницами окон. Ощущение погружения – потрясающее, не то в кино, не то в апокалипсис.

Церковь – первое, что обращает на себя внимание при подъезде. Здание находится в процессе реставрации и, хотя у меня есть сомнения в числе прихожан, нельзя не отметить старание в работе и контраст между восстановленными и ещё не восстановленными частями. Спрашиваем разрешения у строителей и идём посещать объект культурного наследия.

Отдельно невольно обращаешь внимание на подвал. Подозреваю, что это был погреб для продуктов, в помещении над подвалом 2 места для печей и следы дымоходов. Внимательный читатель уже разоблачил мой обман – это флигель а не усадьба, Усадьба виднеется в окнах и она огромная!

Я насчитал как минимум 8 входов в это здание, из которых 1 парадный, а большая часть, видимо, для прислуги. В цокольном этаже – масса помещений. Где-то угадывается склад, где-то спальни, но часть помещений либо перестраивались, либо имели абсолютно непонятное предназначение. К примеру, вот зачем эта ниша с рамой как у окна на втором фото из "подвала"? Там нет хода наверх, конфигурация “окна” не такая как у внешних, с соседнее помещение маленькая дырка и та выглядит именно дырой, а не отверстием. Ниша была бы похожа на стенной шкаф.. но не на такой высоте. Загадки.

По сохранившейся лестнице поднимаемся на второй этаж. Усадьба имела 3 основных этажа, если считать полуподвальный. Впрочем, некоторые башенки находились ещё выше, четвертым этажом. Перекрытия между вторым и третьим этажом не сохранились, в отличие от цоколя. Пол второго этажа – выложенный вертикально дугой кирпич. А вот пол третьего, видимо, был из дерева, которое попросту сгнило. От крыши не осталось уже ничего, на полу второго этажа прямо из строительного мусора растут кусты.

Входная группа смотрит не на деревню. У меня за спиной спуск с высокого холма, в котором заметны как минимум две “ступени”. Похоже, с этой стороны открывался красивый вид а хозева и гости подъезжали к усадьбе сперва мимо церкви по аллейке, остатки которой угадываются по деревьям, а потом петлёй к крыльцу.

На это указывает и единственное не утилитарное произведение из камня, видимо прудик или фонтан. В прогале между деревьями видно, что мы на холме.

Ну а дальше сплошняком пошли приключения без фото. Оказалось, в поселение есть нормальная дорога! Ну как, она не слишком хороша, но после грейдерной пыли казалась автобаном. На трассе мы столкнулись с ремонтным участком, где доступна одна полоса по светофору. Дождались зелёного, тронулись.. и нам навстречу едет КАМАЗ! Съезжать – только на обочину из грязи. В конце участка нас остановил рабочий пока разворачивалась техника, в результате и мы доезжали пока встречке был зелёный, но они нас хотя бы видели заранее. Бардак. Едем дальше на Вязьму, спереди туча льёт, прям видно. А мы всё ближе, уже капать начинает. Останавливаемся, экстренно надеваем дождевики. Едем дальше, дождя нет, туча смещается левее. На заправке в Вязьме выясняется, что да, был очень сильный ливень. А мы его пропустили.. пока экипировались. Туча ушла на Москву. Смотрим прогноз и движение облаков, решаем не догонять дождь, а пока поесть в кафе. В кафе к нам пристаёт мужчина чтобы мы присмотрели за его телефоном (!) пока он отлучится. Отказываемся. Ох уж эти располагающие к себе мотоциклисты..

Последнюю точку ( 55.447269,36.614239 ) мы решили пропустить. Из-за переезда в Акулово можно было потерять остатки времени и попасть под дождь. Из-за жаркого дня и ливня под вечер земля парила. Под ультрамариновым закатом в каждой прогалине пряталось по куску тумана, слоёного как пирог. На внезапной остановке туман нас буквально окружал, но на дорогу так и не выполз, побоялся.

Фото – Реактор

Я вернулся домой в 23:30. Учитывая, что мы выехали в 10:30 утра и сделали круг около 550 км, вполне себе неплохая поездка выходного дня получилась. Мы не гнали нигде вообще. Туда мы ехали с потоком, обратно 105 при разрешенных 90, опережая редкие машины и давая опережать себя. За исключением удобства, такая поездка по силу даже 125-кубовым аппаратам. Поэтому я оставлю план поездки тут в кратком виде, раз уж я его составлял:

1. 55.609821,36.59576 – подвесной мост, возможно издалека можно глянуть на усадьбу Васильевское

2. 55.654072,34.941349 – усадьба Голицыных-Муромцевых, остов здания, остатки лепнины

3. 55.480995,34.109974 – усадьба Шереметьевых, остов здания, но очень много комнат

4. 55.447269,36.614239 – усадьба Любаново, на 2015й она школа и есть грот

Ну и вновь напомню, что у меня есть скромный Телеграм-канал с прилепленным чатом. Там чуть раньше выходят эти посты, а также есть дополнительная, околомотоциклетная болтовня, которая не очень тянет на отдельный пост. Отдельное спасибо людям, которые сделали донаты. На них я поддерживаю работу сайта и купил Телегу-премиум, чтобы флудить больше за раз =)

На этом всё, спасибо за внимание!

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!