ML-ИНЖЕНЕР – ПОСЛЕДНЯЯ ПРОФЕССИЯ В IT, КОТОРУЮ НЕ СОЖРЁТ ИИ

На последнем эфире фигурировал вопрос, который не могу оставить БЕЗ внимания.

«Марк, а есть смысл вкатываться в ML, если ИИ скоро всех заменит?»

Так что сейчас говорить как есть

Сначала про замену – никого вообще не заменят полностью.

Senior Java-разработчики останутся. Senior фронты тоже. Просто их станет в РАЗЫ меньше – один сеньор с Cursor и Claude Code делает то, что раньше делали пятеро джунов с мидлами

Угадай, кого первым выкидывают?

Спойлер: не сеньора

Армия выпускников бесконечных скиллбоксов с резюме «прошёл курс по Java за 9 месяцев» – на улице. Открой hh и посмотри сам. Там сейчас 699 откликов на одну Java-вакансию, а через год будет тысяча

В ML обратная ситуация – нанимают всё больше

Объясняю почему 👇

1. Задачи поставлены в воздух

В обычной разработке тебе говорят: сделай эту кнопку, она должна делать вот это. ИИ автоматизирует на раз – задача чёткая

А мне на работе говорят:

«Марк, у нас падает удержание клиентов, разберись»

Дальше я сам ищу данные, выдвигаю гипотезы, проверяю, отбрасываю, копаю дальше. Иногда неделю топчусь на месте. Иногда нахожу ответ в первый день.

Куда тут ИИ всунуть? Никуда.

Он не знает контекста бизнеса, не понимает что такое наши клиенты, и не сможет общаться с продактом, чтобы уточнить задачу

2. Половина работы – разговоры

ML-инженер реально много общается. С продактом, с аналитиком, с инженером данных, с бизнесом. Объясняет что модель умеет, а что нет. Договаривается какие данные собирать. Спорит про метрики

Это работа человека, который держит в голове весь контекст и переводит между языками – бизнеса и техники

ИИ туда пока не лезет

3. Данные теперь есть у всех

Раньше ML-щик был нужен только бигтеху. У обычной средней компании не было данных, и звать туда ML-инженера было незачем

Сейчас данные есть у каждого. Любое мобильное приложение пишет каждое действие пользователя. Каждый сайт. Любая компания, которая хоть как-то цифровизировалась – потенциальный работодатель

Спрос растёт ежегодно. Тенденция не разворачивается

Я работаю в этой сфере с 2022 года. Видел как менялся рынок: сначала ML-инженер был экзотикой, сейчас вакансий по NLP больше чем по бэкенду в среднем чеке выше 300к

И знаешь что забавно? Те самые ИИ-инструменты, которые сокращают разработчиков – их же делают ML-инженеры.

ML – это сфера минимум на ближайшие 10-15 лет. А дальше уже посмотрим, но сейчас тренд только усиливается

Если ты сейчас думаешь «надо ли мне в ML, не поздно ли», то думай быстрее

Окно открыто, но не вечно 😏

«У МЕНЯ НЕТ КОММЕРЧЕСКОГО ОПЫТА В ML» – КАК ОБОЙТИ ЭТО ВОЗРАЖЕНИЕ?

Сейчас разнесу один большой миф, в который ты, скорее всего, сам себя загнал

Многие думают так: надо сделать пет-проекты, надо пройти ещё пару курсов, надо нацепить сертификатов, тогда возьмут

Так вот. Всем насрать на твой GitHub

Потому что это нормальная история, что у человека нет GitHub. Как правило, люди пишут код за деньги, а не бесплатно его вкладывают в интернет.

А еще всем насрать на твои пет-проекты, на сертификаты Яндекса, Karpov.Curses или Степика. Потому что на это НЕ смотрят на собесе

Там важны две вещи: опыт работы, как пройдешь собеседование и понравишься ли нанимающему менеджеру

Точка!

Пет-проекты чисто, чтобы руку набить для себя и чтобы лучше разобраться в предмете – обсуждать на собесе их никто не будет

Что реально работает, если опыта нет?

Я довёл до оффера 20+ человек в ML. Если хочешь также, то заходите на менторство. Половина из них пришла вообще без опыта – учителя, студенты, разрабы из других стэков. И вот что у них сработало 🧘

1. Опыт работы

Банально вас даже не будут звать на собесы, если у вас его нет. Время когда нанимали джунов и стажеров закончилось.

Нужен сеньор, который выполняет задачи сеньора за ЗП мидла

Совет: пишем в резюме несколько лет опыта. Без этого никак – иначе вас не пропустит автоматизация по годам опыта

2. Как ты проходишь собесы

Нужно знать ответы на все вопросы, потому что конкуренция высокая

Если ты не знаешь как устроен процессор или какую-то команду в docker-е, то тебя обгонит другой чел, который знает.

Совет: ботаем всё, что могут спросить — алгоритмы, ML, систем-дизайн, бэкенд. После каждого собеса анализируем свои ошибки и закрываем пробелы.

3. Понравиться нанимающему

Этот человек принимает решение, тут важно показать что ты тот чел, который решит его проблему + ты просто классный чувак. Тогда ты скорее всего получишь оффер.

Я не говорю, что важны только софт-скилы, но именно по софтам, как правило, человек принимает решение. А не потому что вы сноб, который смог ответить на 99.99% вопросов

Совет: качаем софт-скиллы. Учимся рассуждать вслух, задавать уточняющие вопросы, держать диалог. Технари этим пренебрегают и сливают офферы тем, кто слабее их технически, но приятнее в общении

И самое главное 🫡

Если ты ждёшь, когда у тебя появится «достаточный» бэкграунд, то он не появится никогда – это ловушка

Навык проходить собеседования приходит ТОЛЬКО во время собеседований

Например, ребята, которых я довёл до оффера, не были готовы.

Они просто перестали ждать и начали действовать с теми проектами и резюме, которые у них были. Дальше всё чинилось по ходу, но они уже двигались, а не сидели

С тебя 30 🔥 и напишу гайд по софт-скиллам

ЧЕК-ЛИСТ: ЧТО НУЖНО ЗНАТЬ, ЧТОБЫ СТАТЬ ML-ИНЖЕНЕРОМ В 2026?

Хочу разобрать ЕЩЕ один вопрос, который затрагивали частично на прошлом эфире.

Так что подготовил базовый набор, без которого тебя даже на собес не позовут:

1. Python

База без вариантов. Всё машинное обучение в мире написано на Python – другие языки в проде ML почти не встречаются

Знать на уровне «уверенно пишу код, разбираюсь в стандартных библиотеках, понимаю как устроен интерпретатор».

2. Классический ML

Деревья, бустинги, линейные модели, кластеризация – то, что было до нейросетей

Тут важный момент 👨‍💻

Возможно, на работе ты этим заниматься не будешь – будешь обучать глубокие нейронки или пилить AI-агентов. Но на собесе спрашивают всегда.

Знание классики – это маркер, что ты понимаешь ML, а не просто умеешь дёргать готовые модели

3. Deep Learning

Как нейросети обучаются, что такое backpropagation, что внутри слоя свёртки, как работают активации, что такое overfitting и как с ним бороться

Без этого ты не понимаешь, что происходит под капотом твоей модели. И на собесе это спалится за 5 минут 😰

4. NLP

Обработка естественных языков. Сейчас это то направление, где можно получать 15+ собесов в месяц

Что нужно знать: классические алгоритмы NLP (TF-IDF, word2vec, BERT), и обязательно – как устроен трансформер.

Архитектуру трансформера спрашивают на собесах ВСЕГДА.

5. RAG и AI-агенты

Самое горячее направление прямо сейчас. Если ты сюда зайдёшь, то будешь нарасхват 👍

Что такое RAG, как он работает, какие бывают подходы. Что такое AI-агент, как он принимает решения, как взаимодействует с внешними инструментами

Эта тема самая молодая в ML, и порог входа здесь ниже, чем кажется. Достаточно навыков обычного разработчика + базы по ML

Если ты сейчас смотришь на этот список и думаешь «о боже, мне жизни не хватит выучить», то УСПОКОЙСЯ

Это не «университетская программа на 5 лет», а БАЗА, которую при системной работе с правильным фокусом проходят за несколько месяцев.

Без воды, без растягивания, без «давайте ещё пройдём курс по математической статистике для общего развития»

Ребята, которых я довёл до оффера, не имели всей этой базы при старте. Они шли по приоритетам – учили то, что реально спрашивают, и закрывали пробелы по ходу

Так и работает. Не пытайся выучить всё перед тем как начать – начинай и закрывай пробелы по факту

Как? Расскажу только на менторстве

Поэтому рекомендую сохранить себе этот чек-лист.

А если хочешь, чтобы подготовил подробный видео-разбор роадмапа, как тебе СТАРТОВАТЬ в ML, то ставь – 🔥

КАК Я УСТРОИЛСЯ НА РАБОТУ ЗА РУБЕЖ, НЕ ВЫЕЗЖАЯ ИЗ РОССИИ?

Многие слышали про мой оффер на 10к евро в Revolut, но мало кто представляет, как это вообще делается

Сейчас разложу. И сразу скажу – это не про «выучи английский и тебя возьмут». Там вообще другая игра

Сразу важная оговорка. Чтобы работать в самом Revolut, нужно переехать в Испанию. Но я также получал офферы в аутсорс и аутстафф компании и стартапы, где можно прекрасно работать прямо из России. Так что варианты есть разные

▪️Где искать?

Не hh, не зарубежные джоб-борды, не телеграм-чаты. Только LinkedIn

Это главная площадка для всего международного найма. Если у тебя там нет нормального профиля, то ты не существуешь для зарубежных компаний.

Профиль на английском, фото нормальное, ключевые слова из вакансий, активность хотя бы раз в неделю. Без этого даже не начинай

▪️Английский нужен реальный

Я был удивлён, сколько в международных командах русскоговорящих ребят. Но на собесе всё равно говорить будешь на английском, потому что в команде есть французы, индусы, поляки, кто угодно

Акцент не важен – главное, чтобы ты мог нормально выражать мысли, знал терминологию и мог поддержать small talk.

На собесах смотрят, насколько ты вообще софтовый чувак, который впишется в команду. Не «прочитал документацию со словарём», а уверенный разговорный B2 минимум

Если английский слабый – это первое, что нужно фиксить. Без него ноль шансов

▪️Собесы устроены по-другому

В РФ тебя гоняют по теории: что такое градиентный спуск, объясни backprop, выведи формулу cross entropy, расскажи как работает механизм внимания в LLM. Сидишь и решаешь задачи на бумажке

В международных собесах теория почти не спрашивается. Серьёзно

Гораздо больше про опыт и behavioral вопросы:

– Расскажи про самый сложный проект
– Опиши конфликт в команде и как ты его решил
– Что бы ты сделал, если бы оказался в такой-то ситуации

Часто дают тестовые задания на дом – это тоже норма для международного найма. Меня это сначала выбило из колеи.

Готовился к жёсткой теории, а в итоге полтора часа рассказывал, как принимал решения в проектах

▪️Cultural fit важнее технического перфекционизма

В РФ просто не обращают внимания, насколько ты софтовый и френдли. Смотрят на твой опыт, резюме и на то, как прошёл технические собесы

В международных компаниях вес другой. Тебе могут простить пробел в технике, если ты frendly, открытый, нормально общаешься. И наоборот – если ты технически бог, но угрюмый сноб, тебя не возьмут

Софты в международном найме весят 40-50% решения. В РФ – максимум 10%

▪️Берут только сеньоров

Увы. Эту часть надо принять. На джунов и мидлов международные компании в РФ не смотрят

Грейд сеньора означает 5+ лет опыта, реальные проекты, желательно опыт в международной команде и международной компании.

То есть последнее место работы уже зарубежное.

Это негласное ожидание: ты живёшь за рубежом и работаешь в зарубежной команде. Подвинуться сюда с чистого российского трека сложнее

Жить в РФ нельзя

Это главное ограничение, о котором никто не предупреждает

Большинство международных компаний не нанимают людей, которые физически находятся в РФ. Дело не в паспорте – твой паспорт никого не волнует.

Дело в том, где ты находишься физически. Бухгалтерия просто не может оформить сотрудника с российским местоположением

Как обойти это ограничение – расскажу в следующих постах. Тема большая

Итог простой 🧘

Если все эти куски сложить – рынок открывается полностью. Это даже не самый сложный путь, просто другой

С тебя 30 🔥 и в следующем посте дам пошаговую инструкцию: что делать, если ты сейчас в РФ и хочешь зайти на международный рынок за 6 месяцев

ПОШАГОВАЯ ИНСТРУКЦИЯ: КАК ЗАЙТИ НА МЕЖДУНАРОДНЫЙ РЫНОК ИЗ РОССИИ ЗА 6 МЕСЯЦЕВ

В прошлом посте разобрал, КАК устроен зарубежный найм и в чём он отличается от РФ

👨‍💻 Теперь по делу – что конкретно делать, если ты сейчас в России и хочешь туда зайти?

Шаг 1. LinkedIn – твой главный актив

Без него ты не существуешь для зарубежных компаний

Если у тебя есть старый аккаунт LinkedIn, заведённый ещё до лета 2025 года – это вообще замечательно. Считай, что половина дела сделана

Если же ты решил завести аккаунт сегодня – будут большие проблемы с регистрацией. Без впн не зайти + сейчас аккаунты отлетают на верификацию и их не подтвердить российским паспортом

Эту проблему можно обойти. Способы есть, и они рабочие – просто не для этого поста

Шаг 2. Прокачка LinkedIn-профиля

Просто завести аккаунт мало. Нужно поднимать свой социальный рейтинг на платформе (SSI)

Да, и до этого дожили, хотя когда-то шутили про китайский соц. рейтинг, однако Запад всех опередил и теперь без этого не найдешь работу 🧘

Что это значит на практике:

▪️Профиль на английском, полностью заполненный
▪️Регулярные посты или комментарии под чужими
▪️Конекшены с реальными ML-инженерами из международных компаний

Когда профиль набирает вес, то тебе начинают писать рекрутеры сами. Это и есть цель. Не ты гоняешься за вакансиями, а вакансии приходят к тебе

Шаг 3. Английский

Русских там много в любом случае, но английский всегда нужен, поэтому 100% качаем

Акцент не важен – главное, чтобы ты мог доносить свои мысли, знал терминологию и поддерживал разговор

Без английского ты застрянешь на этапе HR-скрина. Дальше тебя просто не пустят

Шаг 4. Формат работы

Тут важный момент, который многих ставит в тупик

Большинство международных компаний ожидают, что ты физически находишься в Европе. Никто не будет работать с тобой, если ты сидишь в РФ, как и говорил в прошлом посте.

Так что можно реально переехать в Сербию, Польшу, Грузию, Армению. Любая страна, откуда тебя можно официально нанять

Но есть варианты, как это обойти и физически оставаться в России. Я сам этим путём шёл. Как правило, это аутсорс и аутстафф компании, которые могут работать с юрлицом. И тогда тут уже можно без официального трудоустройства работать из РФ.

Но КАК – это уже тема для отдельного поста 🧘

Шаг 5. Прохождение собесов

Оффер сильно зависит от разных вещей. Например:

1) как напишут – тут скорее не навык проходить собесы, а напишет ли HR/не напишет. Сильной разницы по сложности собесов нет.

2) как поторгуешься – на Западе так принято, что ты будешь торговаться за оффер.

Однако в международном найме одна правда:

Много собесов = неизбежный оффер

Все вакансии сильно отличаются по сложности и требованиям. Где-то техническая планка ниже, где-то выше. Где-то цепляются за софты и т.д.

Поэтому стратегия одна: проходишь много собесов, особенно, где часто просят делать тестовое задание, практикуешь английский, набираешь насмотренность, прокачиваешь софты.

Какие зарплаты реально получить: 5, 7, 10 тысяч долларов в месяц. Всё это возможно, я сам видел такие офферы у себя и у учеников

Если делать все 5 шагов системно, то за 6 месяцев реально дойти до оффера

LinkedIn → прокачивание профиля → английский → прохождение собесов → переезд или юр лицо → оффер. 

Это и есть весь путь, где ПОЛНО нюансов, где нужно учитывать именно ТВОЙ бэкграунд и скиллы.

Поэтому если хочешь получить ДЕТАЛЬНЫЙ путь, то пиши мне в ЛС: @mark_mirgaleev 🤑

С 80К ДО 350К ЗА 2.5 МЕСЯЦА. ИСТОРИЯ ПАРНЯ, КОТОРЫЙ ВЫШЕЛ НА РЫНОК «НЕДОУЧЕННЫМ» 👨‍💻

Расскажу одну историю. Думаю, многие в ней узнают себя

Ко мне пришёл парень по рекомендации. Бакалавриат ЛЭТИ, первый курс магистратуры. Параллельно работает Java разрабом за 80к на руки

С ML – почти ноль. Несколько роликов на ютубе из интереса. NLP знал на уровне «слышал слова трансформер и BERT»

И вот тут типичная ловушка, в которую попадают почти все

Когда человек хочет переквалифицироваться, он думает так:

«Мне надо ещё годик подготовиться, пройти 3-4 курса, сделать 5 пет-проектов, дочитать книгу – и вот тогда я буду готов»

И сидит – месяц, полгода, год. А переход всё не происходит — потому что готовности на 100% не существует. Это иллюзия, которая держит людей на 80к годами

Парень это понимал. Поэтому пришёл с другим вопросом – не «как мне выучить ML», а «как мне за короткий срок дойти до оффера в NLP с нуля»

Дальше начали работать 🫡

2 месяца плотной подготовки. Регулярные созвоны, домашки, постоянный контроль. Темп высокий, но он совмещал с работой и магистратурой – не плакал и не сливался

Главное в подготовке — мы учили только то, что реально спрашивают на собесах в NLP. Без академической воды, без «давайте ещё пройдём курс по топологии для общего развития»

Через 2 месяца он вышел на рынок. Не идеально готовым. Не закрыв все пробелы. Не на 100%

Прошёл 30-40 собеседований за 1 месяц. И вот его слова:

«90% вопросов закрывались тем, что мы разбирали. Оставшиеся 10% – специфика конкретных компаний»

Это и есть ответ на вопрос «как готовиться»

Не пытаться закрыть всё, что может спросить. А закрыть то, что реально спрашивают в 90% случаев. Это сильно меньше теории, чем тебе кажется

Итог:

Оффер на Middle+ NLP-инженера. 350к гросс, удалёнка. С 80к до 350к – рост в 4 с лишним раза

2.5 месяца от первого созвона до подписанного трудового договора.

Что я хочу, чтобы ты вынес из этой истории?

Парень был недоготовлен по всем мыслимым критериям. Без коммерческого опыта в ML. Без законченной магистратуры. С пробелами в теории, которые он сам видел

Но он перестал ждать и начал действовать. И это сделало его на 270к в месяц богаче, чем тех, кто всё ещё «готовится»

Если ты сейчас сидишь и копишь готовность – спроси себя честно, на каком уровне ты собираешься остановиться.

И напиши мне, если хочешь получить ПОЛНЫЙ расклад, как тебе стартовать в ML с учетом твоего бэкграунда и скиллов: @mark_mirgaleev

Как стать ML Инженером

И что он делает-то вообще?

Сейчас это понятие включает в себя много вещей, как и термин AI. Можно выделить основные направления:

* Classic ML: задача кредитного скоринга, антифрод, пуш уведомления

* CV: отличить кошку от собаки, оплатить улыбкой, сгенерировать бомбардиро-крокодило и тум-тум-тум сахур

* RecSys: предложить вам посмотреть мотивационное видео в 2 часа ночи или новую сумку на WB

* NLP: чат-боты, поисковики, аи-агенты, классификация комментариев

В рамках менторства всем и для каждого идем именно на последнее направление – NLP

Почему?🤔

Потому что там есть вакансии и там зовут на собесы. Например в прошлом году осенью Java-разработчик с 5-ью годами опыта получал 3-4 собеседования в месяц

В CV и RecSys мало вакансий + сложные собеседования. В Classic ML почти везде требуется NLP, а если не требуется, то задачи довольно узкие и там требуется опыт именно для этой задачи, короче тяжело...

Но вот в NLP ситуация другая – ученики получают по 20+ собеседований в месяц

Осенью будет еще больше, т.к. там самый сезон найма

Поэтому как не крути все в итоге получают свой оффер 300к на руки, т.к. собеседований много и побеждаем как минимум кол-вом👍

Кстати напоминаю, что завтра в 20:00 МСК состоится эфир, где я расскажу про то, как победить воронку найма и получить заветный оффер + разберу 3 резюме

📅 16 июля (чт) в 20:00 МСК

Свои резюме присылайте в комментарии к посту или каналу в личные сообщения

⚠️ Эфир пройдет без записи, поэтому все вопросы можно будет задать только во время трансляции