Ралли «Шелковый путь» проходит с 2009 года. За время существования соревнования гонка проходила по территории России, Китая, Казахстана, Монголии и Туркменистана.

Особое внимание в этом году привлекла команда «КАМАЗ-мастер». Спортивные грузовики и машины технической поддержки вышли на старт с обновленным экстерьером, включающим символику Авито Спецтехники — генерального партнёра команды.

Антон Агальцов, руководитель категории «Продажи» в Авито Спецтехника:

«Мы гордимся партнерством с «КАМАЗ-мастер» в рамках ралли «Шелковый путь», ведь данное событие – это возможность доказать надежность и качество продукции российского автопрома и уровня развития отечественных инженерных решений. Эти инновации впоследствии будут доступны не только спортсменам, но и рядовым пользователям спецтехники, которую всегда можно найти на нашей платформе. Поддержка отечественных производителей спецтехники – один из наших ключевых фокусов и в рамках этой стратегии мы также активно сотрудничаем с Министерством промышленности и торговли РФ, с которым недавно подписали меморандум о поддержке производителей самоходных машин. Подобные шаги в укреплении взаимодействия между нами, другими участниками рынка и государством, помогают совместно развивать отрасль».

Кроме того, в преддверии старта ралли-рейда «Шелковый путь» в июне 2025 года в Москве прошла масштабная совместная экспозиция Авито Спецтехники и легендарной команды «КАМАЗ-мастер». На площади у колеса обозрения «Солнце Москвы» на ВДНХ был выставлен знаменитый спортивный грузовика KAMAZ-43509 в фирменной ливрее, посвящённой 30-летию команды. Именно на нём экипаж Андрея Каргинова одержал победы на ралли «Дакар» и «Золото Кагана» в 2020 году, а также завоевал высшие награды на марафоне «Шелковый путь» в 2018 и 2019 годах. За месяц экспозицию посетили более 500 тысяч москвичей и гостей города.

Команда «КАМАЗ-мастер» также примет участие в ежегодном профильном мероприятии от Авито «Дело спецтехники», где ключевые игроки рынков сельскохозяйственной, дорожно-строительной техники и коммерческого транспорта обсудят состояние индустрии и перспективы ее развития.

Авито Спецтехника в свою очередь продолжит и дальше поддерживать команду на специализированных выставках и мероприятиях, где будет представлена «КАМАЗ-мастер», укрепляя связь между спортивными достижениями, промышленной экспертизой и цифровыми платформами.

А всех заинтересовавшихся ждёт стена текста с методологией и выводами.

Показатели, на основе которых я составил индекс доступности жилья:

1. МЕДИАННЫЙ ДОХОД

Кто-то выписывает себе миллиардные зарплаты за счёт миноритариев, а кто-то работает швеёй за 10к. В итоге, средняя по стране составляет 97 тыс. рублей в месяц. Статистика по средним зарплатам в регионах - Росстат.

Вот несколько фактов о средней зарплате:

▪️ МОСКВА ЗАРАБАТЫВАЕТ В СРЕДНЕМ УЖЕ 180К+, ПЕТЕРБУРГ - ВСЕГО 118К В МЕСЯЦ. Ещё регионы со средней ЗП >100к: Московская обл. (111к), Мурманская обл. (118к), Красноярский край (101к), Иркутская обл. (100к), Якутия (133к), Камчатка (140к), Магаданская обл. (168к), Сахалин (138к), Чукотка (224к), ХМАО (125к), ЯНАО (185к), Ненецкий авт. округ (145к).

В этом году психологический рубеж 100к+ переступили Красноярск и Иркутск. В 2026 скорее всего рубеж перейдут Владивосток, респ. Коми, Ленобласть и Чита.

▪️БЫСТРЕЕ ВСЕХ ЗАРПЛАТЫ РАСТУТ В НИЖНЕМ НОВГОРОДЕ, +25,2% Г/Г. Это если брать скользящую среднюю. Также быстро растут ЗП в Липецке (+24,4%), Туле (+24,1%), Удмуртии (+24%) и в Кургане (+23%).

А хуже всего ЗП растут в Ингушетии (+10,2%), на Камчатке (+10,8%) и в Чечне (+11%). Фактически, в этих регионах отсутствует рост ЗП в реальном выражении (из-за инфляции).

▪️ ХУЖЕ ВСЕГО С ЗАРПЛАТАМИ ДЕЛА ОБСТОЯТ НА КАВКАЗЕ. В среднем по фед. округу ЗП 52,6к в месяц. Но это традиционно регионы с низкими доходами. Но самой высокой концентрацией геликов на душу населения. Здесь никакой сенсации.

Мособласть (111к) в 2 раза богаче соседнего Иваново (54к), якуты (133к) почти в 2 раза богаче бурятов (78к), Омск (70к) беднее Томска (82к), Саратов (64к) беднее Самары (74к), а татары (84к) богаче башкир (72к).

Оф. статистики медианного дохода по регионам нет.

По СберИндексу медианный доход составляет ~63% от среднего в целом по стране. В предыдущие годы я использовал формулу: Медиана = 0,65 х Средняя, и вопросов ни у кого не возникало. Так что продолжу оценивать медиану самостоятельно, через функцию от средней.

В расчёт беру молодую семью, где каждый зарабатывает один медианный доход по своему городу (итого 2 медианных дохода). Наша молодая семья сначала копит на первоначальный взнос на протяжении нескольких лет, откладывая 25% своего совокупного дохода. А потом тянет ипотеку, платёж по которой будет оцениваться как доля от общего дохода (в процентах).

2. ДОСТУПНОСТЬ ВТОРИЧКИ

Цену квадратного метра беру из Домклик. Оцениваю стоимость однушки 40 кв. м. Рассчитываю срок накопления первоначального взноса = 30% от стоимости жилья. Затем рассчитываю платеж по ипотеке: первоначальный взнос 30%, рыночная ставка на момент расчета 25%, срок 15 лет.

Вы заметили, что расчет ведется по текущей гигантской ипотечной ставке. Интересно будет наблюдать за индексом в динамике - в случае снижения ставок по ипотеке мы можем увидеть повышение цен на саму недвижимость (а можем и не увидеть), и вот что будет сильнее влиять на доступность (а в разных городах динамика будет разная) - мне предстоит оценить, а вам предстоит увидеть.

3. ДОСТУПНОСТЬ НОВОСТРОЙКИ

Цена квадратного метра новостройки - также средняя из Домклик, тоже 40 квадратов. Те же параметры ипотеки (размер первоначального взноса, срок), но учитываются льготные программы: семейная для всех регионов (7%) и дальневосточная/арктическая для ДВ и Арктики (3%).

При этом учитывается та доля дохода, которая будет отправлена в ипотечные платежи. Так например, если на ипотеку по расчетам уходит свыше 60% - баллы обнуляются, ипотека считается непосильной. А при платеже выше 30% от доходов - используется понижающий коэффициент, ибо платить больше 30% от дохода - напряжно. И только в случае с платежом менее 30% от дохода семьи баллы начисляются в полной мере, и город имеет шанс получить вплоть до 100 баллов.

F-ИНДЕКС

Почему F? Это от названия международного фонда, в котором пока что числится один человек (основатель, бухгалтер, казначей и водонос - все в одном лице). От лица этого фонда посещаю всякие финансовые конференции и пишу заметки в интернетах (в т.ч. на Пикабу), где считаю всякое - иногда даже полезное:

Как я рассчитываю индекс? Он зависит от трех параметров:

1. Срок накопления на первоначальный взнос (30% от цены жилья).

   Учитывается как срок накопления на вторичку, так и срок накопления на новостройку. Ни для кого не секрет, что стоимость новостройки и вторички может сильно отличаться - причем, от города к городу разница отличается существенно. Так например, в Ростове и Владимире цены почти одинаковые, а во Владивостоке новостройка почти в 2 раза дороже вторички.

Молодая семья зарабатывает 2 медианных дохода по своему региону. Откладывает 25% от совокупного дохода с целью накопить на первоначальный взнос по ипотеке. Для сбережений у семьи есть волшебный счёт: если недвижимость дорожает, сбережения растут в той же пропорции.

2. Доля дохода (в процентах), которую подлежит отдавать в качестве ежемесячного платежа по ипотеке на вторичку (без льгот).

Сейчас ужасное время с ипотечными ставками под 25% годовых. Такую ипотеку может взять себе только гуманитарий, не способный рассчитать, какую огромную сумму денег он отдаст в качестве процентов банку. Тем не менее, в индексе доступности жилья я считаю эту метрику важной, ведь времена меняются, и при ставках по ипотеке разумные 12-14% всё будет уже не так плохо, и тем интереснее увидеть динамику изменения доступности жилья в случае если к таким ставкам мы в обозримом будущем вернёмся.

Здесь есть зависимость начисляемых очков от доли дохода. Так, я решил, что если ежемесячный платеж составляет более 60% от дохода семьи, это считается непосильной ношей, и заслуживает 0 баллов. Если доля варьируется от 30% до 60% - действует понижающий коэффициент, ибо нагрузка на бюджет семьи значительная. А если ипотечный платеж составляет менее 30% от дохода - баллы начисляются в полной мере, ибо такой платеж уже выглядит посильным.

3. Доля дохода (в процентах), которую подлежит отдавать в качестве ежемесячного платежа по ипотеке на новостройку (с имеющимися льготными программами - федеральными и региональными).

Все то же самое, что и в случае с пунктом 2. Начисление баллов зависит от "посильности" платежа. Но ставки по ипотеке берутся льготные, и цена квартиры берется новостроечная (как правило, дороже).

РЕЗУЛЬТАТ

▪️ ГОРОД С САМЫМ ДОСТУПНЫМ ЖИЛЬЁМ - МУРМАНСК, 76,6 БАЛЛОВ. Это единственный город из 65 рассматриваемых, о котором можно утверждать, что жилье в городе доступное. Молодая семья с медианным доходом может без особого труда накопить на первоначальный взнос за 3 года, а потом без особого напряжения платить ипотеку. Но только в случае с новостройками, ежемесячный платеж за новостройку составит всего 16% от их дохода. В случае со вторичкой это 43% от дохода, кредитная нагрузка все равно высокая (из-за огромных ставок по рыночной ипотеке без льгот).

Конечно, доступность жилья связана с суровостью края - не каждый хочет в Мурманске оставаться, люди уезжают в более комфортные города. Думаю, Воркута при добавлении в рейтинг имела бы все 100 баллов, но я не ради прикола это считаю.

▪️ ГОРОД С САМЫМ НЕДОСТУПНЫМ ЖИЛЬЁМ - СОЧИ, 0 БАЛЛОВ. Местной среднестатистической семье накопить на жилье и приобрести его даже в теории невозможно. Копить на первый взнос придется 13-19 лет, а потом - уже далеко не молодой семье - надо платить 120-190% от своего дохода по ипотечному кредиту.

▪️ Город с самым доступным жильем, но при этом не находится на крайнем севере или в Сибири - Калуга. Комфортные 4 года для накопления первоначального взноса, 26% от дохода на платеж по льготной ипотеке, но 59% на платеж по текущим огромным ставкам на вторичку. В случае если ставки по ипотеке вслед за ключевой ставкой ЦБ вернутся к адекватным 12-14% годовых, город будет иметь 70+ баллов по индексу доступности жилья. Станет как Мурманск, только с хорошей погодой и Москвой под боком.

Ещё города с относительно недорогой недвижимостью и в комфортной для проживания климатической зоне: Липецк, Владимир, Смоленск, Ярославль, Тула и Пенза.

Вот ради обнаружения таких городов и ведется этот рейтинг - увидеть приятные города с адекватным климатом и хорошим соотношением "зарплаты-цена на квадратный метр". Жители Калуги и Липецка - цените свой город, несмотря на бычий рост недвиги, он у вас заметно слабее, чем во многих регионах!

ЧТО ДАЛЬШЕ?

Если тема будет вам интересна, я продолжу замерять этот индекс с интервалом пару раз в год. Можно доработать индекс, добавив в него еще ряд сложных параметров: лимиты льготного кредита, материнский капитал. Последний, в свою очередь, добавит очков городам с более дешевым жильем, ведь сумма установлена фиксированной на федеральном уровне, и в случае с "дешевыми" городами имеет больше значения, закрывая существенную долю первоначального взноса. Чего не скажешь о Москве или Сочи.

P.S.: отдельное огромное спасибо подписчикам моего скромного блога за то, что помогли мне довести индекс до ума своими комментариями и замечаниями - без вас в расчётах было бы гораздо меньше логики.

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!