Анонимный айтишник из США совмещает 5 удаленок и зарабатывает по ₽4,6 млн в месяц (это в 3 раза больше, чем получают все его боссы).

Он встаёт в 4 утра, идёт в зал, а к 6 уже обслуживает сразу пять корпораций каждую в своём часовом поясе. К 17:00 всё рабочий день не превышает 10-11 часов. Секрет в том, что компании переоценивают объём задач, поэтому реальная загрузка куда скромнее, чем написано в оффере. Половину задач закрывают ИИ, а другая половина это созвоны. Деньги изменили жизнь семьи: жена ушла с работы, купили машину, закрыли финансовую подушку на годы вперёд. Но когда коллеги в LinkedIn начали жаловаться на волну сокращений, Дэмиен почувствовал неловкость он занимает пять ставок, пока другие месяцами ищут хотя бы одну.

Сейчас он вкладывает в недвижимость и думает о своём бизнесе. «Рано или поздно покупать становится нечего», признаётся он.

Источник - https://fortune.com/article/remote-workers-with-multiple-full-time-jobs-secretly-40-hour-week-overemployment-high-income-millionaires/

Победа

Недавно на ютубе увидел видео с разбором рынка вакансий в ml в рф (сохранил только сайт, прости автор)

Цифры наглядно показывают, что кадровый голод во многом является иллюзией, за которой скрывается колоссальный объем информационного шума.

Воронка кандидатов
Из более чем 45 тысяч собранных резюме отсеивается 97 процентов.
После фильтрации по ключевым словам, нерелевантным ролям, отсутствию нужного опыта и накруткам остается чистое ядро.
Реальный конкурентный рынок состоит всего из 873 уникальных специалистов.

Воронка вакансий
Работодатели тоже создают много шума. Из 1275 сырых вакансий проверку проходят только 654 реальных предложения от 380 компаний.

Почти половина отсеивается по причине дублей, спама или отсутствия отношения к ML.
Широко распространена практика фиктивных вакансий, которые публикуются исключительно для сбора баз данных или создания видимости активного найма.


• Медианный возраст специалиста составляет 25 лет.
• Высшее образование есть у 88 процентов кандидатов.
• Медианный опыт работы равен 51 месяцу.(4.25 лет)
• Самые востребованные направления это NLP и Computer Vision.
• Медианная зарплата варьируется в диапазоне от 210 до 310 тысяч рублей.
• Удаленный формат работы доступен в 44 процентах случаев.


Посмотреть интерактивный дашборд с полной методологией и графиками можно по ссылке

https://nareshka.ru/ml-research

❗️В какие навыки вкладываться разработчикам сегодня (из давнего, но интересного интервью Бабушкина)

Сильнее всего LLM ударят по джунам, тем, кто только входит в профессию. Базовые навыки автоматизируются, поэтому критически важными становятся мета-навыки:

- Критическое мышление
- Способность соединять точки в единую систему, видеть большую картинку
- Способность чётко объяснять и чётко понимать
- Способность к постоянному обучению

При этом понимание деталей становится ещё важнее. Если ты не разбираешься в теме глубже, чем AI-агент, ты не сможешь поймать его на ошибке или галлюцинации. Классический пример с юристом, который сослался на несуществующие кейсы

Как развивать мета-навыки? Только через практику. Валерий с другом сделали курс по ML System Design, где в конце нужно сделать дизайн-документ. На этом этапе все ломаются. Возможно, в будущем появится ниша стартапов, обучающих мета-навыкам через симуляторы

Софт-скилы тоже относит к мета-скилам: умение понимать собеседника, задавать уточняющие вопросы, декомпозировать задачу и тд

ML-продакт - новая золотая жила в IT

Войти на эту позицию можно как с опытом классических продактов, если подтянуть ML-экспертизу, так и с опытом дата-сайентистов/инженеров, уставших от тикетов. Бигтехам нужен человек, связывающий ML с болью пользователя и юнит-экономикой. Таких ОЧЕНЬ мало

Вакансии и зп в РФ (Средняя вилка 320-380 тысяч рублей в мес):
- Ozon, Менеджер по продукту (Рекомендации) - 365 000 ₽/мес до налогов, Middle, 2+ года. A/B, аналитика, миллионы пользователей. https://getmatch.ru/vacancies/34333-menedzher-po-produktu-rekomendatsii
- Т-Банк, ML-продакт (Image Generator) - 350 000 ₽/мес на руки, Senior, 2+ года. GenAI, внутренняя платформа. https://getmatch.ru/vacancies/33526-ml-prodakt-menedzher-v-ai-platformu-image-generator
- Яндекс, Менеджер AI-образовательных продуктов - 250 000–300 000 ₽/мес на руки, Middle, 3+ года. Запуски в Узбекистане и Армении. https://getmatch.ru/vacancies/34274-menedzher-produkta-upravlenie-ai-obrazovatelnykh-produktov

На западе дела обстоят еще лучше:
В топовых компаниях по типу MAANG (Meta, Amazon и тд) - $397K в год. Рост зарплат +12% год к году. Премия за AI-экспертизу в среднем 28%

Что это значит для нас? Мы тоже запускаем подготовку под эти роли. Будем разбирать, как продакту перейти в ML, как DS-у выйти в менеджмент без потери в деньгах, какие метрики и фреймворки реально работают для ML-продуктов (precision/recall vs. бизнесовые), как защищать ML-инициативы перед стейкхолдерами и как разговаривать с ML-командой на одном языке

Пишите в лс - @p3P3V14d01

В подтверждение моим словам Т-банк недавно сделал целый лендинг по найму ML-продактов в команды своих продуктов

Там открыто более 18 вакансий. Каждая на вилку 320-390к рублей

Разбираем два направления, по которым у нас идёт менторство

Data Scientist - про данные и модели. Этот человек работает с большими массивами данных, чтобы приносить бизнесу пользу. Собирает данные, чистит их, ищет закономерности, строит ML-модели для прогнозов и классификации. Примеры задач: модель оттока клиентов в банке - рекомендательная система для маркетплейса
Стек: Python, SQL, scikit-learn, PyTorch. Работа техническая: код, эксперименты, общение с аналитиками и инженерами. Успех меряется через бизнес-метрики, которые двигает модель.

Product Manager - про продукт и решения. Этот человек отвечает за продукт от идеи до результата на рынке. Например, запуск тарифа Elite в Яндекс.Такси. Разбирается, кто пользователь, какая у него боль, что построить, чтобы её закрыть, и как это будет зарабатывать.
Что делает на практике: интервью с пользователями, анализ данных и конкурентов, гипотезы, постановка задач дизайну и разработке и контроль метрик после релиза
Стек: Python, SQL, A/B тесты, Количественные и качественные исследования, Tableau, Power BI

Если ещё не определился - на консультации поможем выбрать направление под твой бэкграунд и цели


🔗Пишите в лс - @p3P3V14d01

https://t.me/seeallochnaya/3654

ждем подобные нововведения и у нас)))

Вакансия айти инженера

(не штурм)

У сильнейшей модели антропик - опус 4.7 пошла деградация

Обычно это происходит непосредственно перед выкаткой новой модели, т.е. 4.8 модель стоит ожидать совсем скоро

А у нас в России пока такие новости - https://t.me/AncapJudge/21413

Раз появилась возможность - стоит воспользоваться, так как мы работаем легально, то попробуем закупить расчет ПВО

Кстати, недавно приняли решение публиковать результаты нашего менторства

Довели клиента до позиции в зеленом банке с кругленькой суммой в оффере

С этого дня будем чаще публиковать такие кейсы

🔗Пишите в лс для обсуждения менторства - @p3P3V14d01

Позавчера вышла интересная статья про найм в айти в сша - https://steve-yegge.medium.com/the-last-technical-interview-bc13ddcf4564

Статистика Google показала, что интервьюеры почти не сходятся в оценках, одного и того же кандидата два сильных сотрудника могли оценить как «strong hire» и «no». Оценки на собеседовании почти не предсказывали реальную результативность на работе. Некоторые звёздные сотрудники проваливали собеседования в Google по четыре-пять раз, попадали туда только через два с лишним года и потом превосходили всех остальных

Автор называет это «игрой в дартс» и раундом «нравишься ли ты мне». Показательная история - рекрутеры Google под видом «калибровочного упражнения» подсунули Hiring Committee их собственные интервью-пакеты (с обезличенными данными). Комитет проголосовал против найма примерно двух третей, то есть фактически отклонил большую часть собственной группы))))

Поэтому если вас прокатили на 10 технических собесах - не стоит отчаиваться, довольно часто это рулетка, стоит пробовать дальше

Если Воложу оставить похожий коммент про яндекс, напишет ли он что-то подобное, хаха

Новости из Поднебесной:

Китай разрабатывает систему предсказания политических рисков.

Китайская компания Geedge Networks, известная как коммерческий разработчик программного обеспечения для "Великого китайского файрвола", ведёт исследования в области предиктивной слежки. Как показал анализ утекших документов компании, проведенный исследователями из Университета Вандербильта, новая технология призвана не просто мониторить действия граждан, но и предсказывать, кто из них может выступить с критикой правительства в будущем. Для этого алгоритмы ИИ анализируют массивы данных о геолокации, активности в социальных сетях и истории просмотров, формируя поведенческие профили для выявления потенциальных угроз национальной безопасности

Разработки Geedge Networks опираются на методы компьютерного зрения и семантического анализа, позволяя классифицировать информацию и выявлять то, что власти называют "вредным контентом". Проект фактически пытается реализовать концепцию превентивного подавления инакомыслия еще до того, как человек совершит какое-либо публичное действие. Эксперты сравнивают этот подход с фантастическими антиутопиями, отмечая, что интеграция искусственного интеллекта в системы массового надзора лишает граждан базовых прав на приватность и свободу мысли

Тем не менее, амбициозные планы компании столкнулись с серьезными технологическими препятствиями. Из-за экспортных ограничений США на поставку высокопроизводительных полупроводников, в частности графических процессоров (GPU) от Nvidia, китайские инженеры в 2024 году столкнулись с дефицитом вычислительных мощностей. Это вынудило разработчиков использовать более старые и менее эффективные модели ИИ. По оценкам американских чиновников, у Geedge достаточно ресурсов для поддержания текущих систем цензуры, но для полноценного масштабирования прогнозной нейросети Китаю по-прежнему не хватает чипов нового поколения

Ситуация остается неопределённой, поскольку Пекин активно пытается избавить свои ИИ-компании от технологической зависимости и внешнего влияния. Кроме того, на фоне недавнего ослабления некоторых экспортных ограничений со стороны новой администрации США, китайские ведомства общественной безопасности начали активно внедрять альтернативные отечественные модели, такие как DeepSeek, для аналогичных задач прогнозного контроля. Это подчёркивает, что глобальная технологическая гонка за вычислительные мощности напрямую определяет возможности и жёсткость современных цифровых режимов надзора

кстати именно поэтому мы оставили ценник на самый популярный менторский курс у нас на сайте - https://offer-data-science.ru/#price

думайте. подписаться. вкатиться в айти