Картина Репина "Бурлаки на Волге" в советское время, да и сейчас, считалась символом угнетения рабочего люда в царской России. Вот, несчастные, оборванные, полуголодные бедняки работают как лошади, за три копейки тягая суда по Волге... На самом деле всё было не так! Вопреки расхожему мнению, бурлаки на Волге зарабатывали больше, чем художник Репин, который эту картину написал. По берегу бурлаки особо ничего не таскали. На трудных участках судоходного пути, где парусные и вёсельные торговые корабли шли против течения, вперёд посылали лодку, которая бросала якоря. От лодки на корабль тянулись тросы, которые крепились к барабану. Бурлаки - сильные здоровые мужики, стоя на корабле, тянули тросы от носа к корме, наматывая их на барабан, тянувший кораблик вперёд, преодолевая течение. На берег они сходили редко, обычно, чтобы снять корабль с мели или вытащить поломанное судно. На картине Репина они как раз вытягивают судно, севшее на мель. Флаг перевёрнутый вверх ногами, который вы видите на картине - сигнал бедствия или поломки. Причём для этого рода работ, сходя на часто заболоченный илистый берег, бурлаки, чтобы не замарать обычную одежду, надевали рванину и старьё. Теперь о зарплате. В середине ХIX века обычный бурлак зарабатывал в месяц 60 - 80 рублей, а шишка - командир артели бурлаков - 100 - 120 рублей. Для сравнения: земской врач и учитель гимназии - средний класс тогдашней России, получали в среднем 80 рублей в месяц. Фельдшер - 50 рублей. По сути, рядовой бурлак зарабатывал на уровне среднего класса, а командир артели и вовсе был обеспеченным человеком. При этом в судоходный сезон бурлаков кормили за хозяйский счёт. То есть, деньги они свои не тратили, и могли потом полгода на них жить и ни в чём себе не отказывать. Что многие и делали. Шишки потом становились командирами речных судов, а многие обычные бурлаки, сколотив состояние, уходили в купцы или покупали землю для ведения сельского хозяйства. Да, труд был тяжёлый, но хорошо оплачиваемый. Бурлаком пару лет проработал писатель Владимир Гиляровский, отпрыск зажиточной дворянско-казацкой семьи. Не проявив прилежности в учёбе, он сбежал познавать Россию в бурлаки, где нашёл применение своей недюжинной силе, а заодно побывал во всех прибрежных городах Поволжья. Зажиточность бурлаков доказывает и другой факт. Многие роскошные церкви, стоящие вдоль Волги-матушки, были построены на деньги бурлацких артелей. Таким образом, на картине Репина мы видим не отчаявшихся голодных бедняков, а представителей обеспеченного среднего класса, которые вытягивают судно с мели, облачившись в старую рванину, чтобы не пачкать основную одежду, в которой они работают на судне. Кстати, Репин писал эту картину три года, а продал за 3000 руб. Это заработок небольшой бурлацкой артели за два месяц. Выходит, врал Некрасов? Нет. Он просто поэт. Так видел. «Почти пригнувшись головой К ногам, обвитым бечевой. Обутым в лапти, вдоль реки Ползли гурьбою бурлаки, И был невыносимо дик И страшно ясен в тишине Их мерный похоронный крик»
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.
P.S. Запущено новое закрытое NSFW сообщество Отборная хламина от фу до вау! для истинных аристократов и ценителей отборного хлама. Пока на стадии наполнения...
