В последнее время стало модным уличать Боярского в том, как он гадко паркуется: то на встречке, то на пешеходном переходе (всё правда, сам был свидетелем), а также начинать и заканчивать заметку, что главный мушкетёр страны поступил опять не по-мушкетёрски.
Мне интересно, те, кто такое пишут, Боярского видели только в "Трёх мушкетёрах" и в его мерседесе? Блин, ребята, чувак сыграл и спел ещё в сотне фильмов, но от этого не стал приличным человеком. Хороший актёр\певец не равен хорошему парню из идеалистического фильма.
Михаил Сергеевич честно сказал журналистам, что ему насрать на них, он рассекает в мерседесе с номерами ОСА (кто не в курсе, так это номера Федеральной службы охраны и получить их в ГИБДД просто так нельзя), его сын миллиардер и явно не потому, что классно пел про динозавриков в детстве. И если уж проводить аналогии, то Боярский как раз самый настоящий мушкетёр, потому что поддерживает короля, плюёт на законы и продаётся за пистоли. А честь, отвага и совесть - это всё из старых книжек, в которых Ришелье с Рошфором были самыми что ни на есть положительными персонажами, думающими о государстве, а не о себе. Только понимание это приходит с возрастом
Для ЛЛ: Достаточно давно занимался тем, что подрабатывал в роли судьи на пейнтбольных играх.
И, как-то раз, меня и несколько ребят послали судить довольно интересное мероприятие, в котором принимало участие три тысячи человек.
Лето, огромная территория, куча стреляющего друг в друга народу. Красота одним словом.
Все было очень классно, но один вопрос не давал мне покоя все два дня - почему организаторы и другие судьи, перед тем, как произнести что-то по рации говорили сперва «Каналья!».
Боярский и Ко, особенно под конец второго дня, чуть ли не видеться мне стали воочию! Тысяча чертей! Ну что за бред? Почему «Каналья!»? Ну зачем это говорить?!
Я ещё понимаю использоваться «позывной», но нет же - все, абсолютно все говорили «Красный/Зелёный/Жёлтый - Каналья!» и далее обычный рабочий трёп.
Так и ходил два дня, чесал репу поддаваясь размышлениям. А спросить то стыдно - ну мало ли это говорили на инструктаже, а я такой тупой взял и прослушал.
Во время финального расчёта за отработанные дни я все же удосужился поинтересоваться у главного судьи:
Я: - Слышь, мужик, а почему вы все говорите «Каналья»?!
С: - ?!
Я: - Ну когда по рации вы друг друга вызывается вы всегда сперва произносите это слово. Мне покоя не даёт - зачем?
В этот момент у судьи на поясе рация снова пиликнула радостным: «Каналья!».
Я: - Вот видите! Мне же не мерещится!
Судья отстегнул рацию, поднёс к голове и произнёс: «Красный. В канале!»
Я в тот момент:
«Каналья!», мать ее... Уши надо было чистить походу.
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.
