Платформа Nexat представляет собой универсальный самоходный носитель с шириной 14 м, двумя двигателями Liebherr по 550 л/c, гусеничным или колесным ходом на электротяге и системой сменных модулей для разных видов работ.

Уникальная особенность платформы Nexat – работа по единой колее в 14 м, для чего целый ряд производителей прицепной и навесной техники подготовили различные модули именно под такой формат.

Среди тех, кто уже присоединился к проекту: Vaderstad с дисковыми боронами и сеялками на 14 м, NexCo с двойным роторным комбайном и бункером на 32 000 л, Amazone со сдвоенным разбрасывателем удобрений на 20 000 л, Dammann с опрыскивателем на 24 000 л и многие другие.

Таким образом NEXAT стал первым в мире по-настоящему универсальным энергосредством, способным выполнять весь цикл полевых работ без использования других самоходных машин.

Как сообщают в компании, платформа Nexat уже доступна к заказу для бразильского рынка с отгрузкой до конца текущего года.

Больше о Nexat на FarmDepo:
https://farmdepo.ru/models/samohodnaya_platforma_nexat_303

Больше новостей о сх-технике:
https://t.me/agroscout_360

Модель F 2750 является результатом развития семейства F 2000 Ростсельмаш. Раньше в нише столь высокопроизводительной кормозаготовительной техники на рынке РФ присутствовали исключительно зарубежные компании.

Ростсельмаш сообщает, что двигатель мощностью 770 л. с. позволяет комбайну демонстрировать производительность до 280 тонн кукурузы в час, обеспечивая заготовку до 30 000 тонн зеленой массы за сезон. Этого объема достаточно для обслуживания стада в 2500 голов.

F 2750 оснащен четырехрядным измельчающим барабаном с 40 ножами, позволяющими регулировать длину резки бесступенчато в диапазоне от 5 до 24 мм.

Увеличение диаметра вальцов и 30-процентная разница скоростей между ними улучшает пропускную способность и обеспечивает 99,9% дробления зерен кукурузы восковой спелости.

Также в комбайне предусмотрены камнеметаллодетектор с автоматическим запуском и система внесения разбавленных и концентрированных консервантов.

В базовой комплектации F 2750 оснащен датчиком влажности, который позволяет автоматически контролировать и регулировать длину резки в зависимости от изменения влажности массы.

Опытно-промышленная партия нового комбайна готовится к отправке в дилерские центры.

Больше про сельхозтехнику и спецтехнику пишу здесь.

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!

Ростсельмаш представил в Москве свой новый телескопический погрузчик.

Телескопический погрузчик TLH 740 оснащен двигателем ЯМЗ 534 мощностью 132 л.с. и усовершенствованной системой электронного впрыска.

Аксиально-поршневой насос производительностью 160 л/мин призван обеспечить плавность движения и точность управления с помощью двух джойстиков. Максимальная скорость передвижения достигает 40 км/ч. Машина оснащена дисковыми тормозами в масляной ванне.

Погрузчик имеет три режима управления колесами: передние поворотные колеса, крабовый ход и движение след в след. TLH 740 оборудован системой предупреждения опрокидывания. Максимальная грузоподъемность машины — 4 тонны, а высота выгрузки — 7 метров.

Больше про спецтехнику и сельхозтехнику пишу тут.