Половина российских айтишников работают, не имея профильного образования

Согласно исследованию HHru и T1, в ходе которого было опрошено 1000 специалистов, 55% айтишников работают не по специальности.

🔷Более половины (57%) пришли в профессию благодаря «самообразованию», еще 51% — получили необходимые навыки уже после трудоустройства. Лишь треть российских айтишников имеют диплом о профильном образовании — чаще всего это разработчики, аналитики и специалисты по кибербезопасности.

🔷Среди молодежи 18–24 лет две трети уже работают или стажируются по профессии, «нарабатывая портфолио». Среди респондентов старше 25 лет таких оказалось всего 40%. Таким образом, старшее поколение айтишников — люди, пришедшие из других сфер экономики.

🔷Среди айтишников более трети (38%) предпочитают формат удаленной работы на столичные компании. 62% опрошенных признались, что выбирают родной регион ради экономии расходов. 54% не хотят разлучаться с семьей. Переезд в Москву или Санкт-Петербург рассматривали единицы: каждый четвертый получал такое предложение, но согласились только 7%.

И так каждый раз 🥲

Middle Data Scientist в Мегафон
Гибрид / Офис в Москве

Предстоит: Разрабатывать, тестировать и улучшать алгоритмы и модели NLP в задачах обработки, понимания и генерации естественного языка; Внедрять передовые методы в области NLP и их интеграция в существующие системы... Узнать подробнее 🔵

Куда бы сходить в октябре? 🚀

Avito.tech.conf — хорошая возможность послушать доклады и про то, как собеседуют руководителей в Автито, и то как ребята внедряют инструменты ИИ в свои рабочие процессы. Ну и конечно сходить на афтепати!
17 октября в Москве.

IVI.tech — еще одно классное мероприятие, на котором опытные специалисты расскажут о сложности внедрения ClickHouse для хранения агрегированных данных и то, как ребята сократили время выкатки A/B-тестов с месяца до нескольких дней.
16 октября в Москве.

Серия митапов для джунов от T-Банка. Сотрудники Т-Банка поделятся своим опытом и расскажут про старт карьеры в разных ИТ-направлениях: frontend-разработка, машинное обучение и системный анализ.
8 октября в Новосибирске.

IT Talk by Sber. Ребята из Сбера расскажут про современные тенденции в генеративных сетях, создающих изображения и видео, а также обсудят эволюции ИИ — от инструмента, помогающего в написании кода, до полноценного автономного агента.
9 октября в Екатеринбурге.

Подборка открытых вакансий 🔵

Middle/Senior Data Scientist в Авито
Удаленно / Гибрид / Офис в Москве

Middle/Senior ML-разработчик в Яндекс
Офис в Москве

Middle Data Engineer в МТС
Офис в Москве

Junior/Middle MLOps Engineer в Lamoda
Офис в Москве

Data Analyst в Сбер
От 110.000₽
Офис в Санкт-Петербурге

Junior/Middle Data Engineer в Wildberries
Удаленно

Middle/Senior Data Scientist в Raft Digital Solutions
Удаленно

Предстоит: Создание и оптимизация RAG-систем; Разработка, обучение и внедрение моделей машинного обучения в связке с LLM... Узнать подробнее 🔵

Middle Data Scientist в Korona Tech
Удаленно / Гибрид / Офис в Санкт-Петербурге

Предстоит: обработка сырых данных; генерация гипотез; построение пайплайна обработки данных; подготовка и проведение А/В тестов... Узнать подробнее 🔵

Карьерный апгрейд: куда сейчас двигаться ML-специалисту

Возможно, многие уже заметили, что рынок хочет видеть инженеров, которые умеют создавать работающие LLM-системы в продакшене.

Если вы тоже задумывались о таком шаге, ловите находку — возможно, самый хардовый осенний курс по LLM от AI Talent Hub x GIGASCHOOL.

Главный плюс: он не про "попробовать LLM", а про то, как начать строить полноценные системы. Именно этот навык сейчас в жестком дефиците.

Что прокачаете:
➖ Дообучение моделей: от классического fine-tuning до современных PEFT, LoRA и RLHF.
➖ Инструменты пайплайна: работа с LangChain, LangGraph и векторными БД.
➖ Сборка RAG-систем: от инфопоиска до защиты моделей от вредоносных промптов.
➖ Проектирование и деплой: как собирать рабочие архитектуры, пайплайны, деплоить, трекать и версионировать.

По сути, это полный цикл работы LLM-инженера. И это не просто теория — каждая тема разбирается на практике, так что по итогу у вас будет не только сертификат, но и опыт с готовыми наработками в виде кода.

Кто будет вести? Здесь тоже всё серьезно — лекции читают практики из крупных AI-команд:
— Александр Потехин (NLP Lead, X5 Tech)
— Кристина Желтова (Директор по разработке моделей, Газпромбанк)
— Евгений Кокуйкин (CEO HiveTrace)

Такой состав спикеров гарантирует, что вы будете учиться на реальных кейсах, а не на абстрактных примерах.

Занятия стартуют 15 октября, но не стоит расслабляться, ведь совсем скоро (10 числа) стоимость курса повысится.

Советы по написанию научной статьи

Распространённое и часто запутанное требование к статьям — новизна результатов, то есть то, что ранее не было описано. Что это значит? Это означает, что ваша работа существует в контексте уже созданного, а новизна в данном случае расширяет уже созданное.

Чтобы не попасть впросак и не создать очередной велосипед — задайте себе вопросы:
➖ Используются ли инновационные методы или это стандартные приёмы?
➖ Является ли это глубоким концептуальным прорывом?
➖ Это простое расширение стандартных идей?
➖ Является ли работа естественным следствием более амбициозного заявления из другой статьи?

❗Ключевое решение — предельно ясно обозначить, что является новым, а что нет, особенно во введении и разделе «Связанные работы». Щедро цитируйте релевантные статьи и объясняйте, чем ваша работа от них отличается.

Если с идей все хорошо и она действительно новая, то ее хорошо бы и доказать. В ML в качестве доказательств обычно используют эксперименты. Ваша цель — обосновать результат со всеми техническими подробностями для заинтересованного, но скептически настроенного читателя.

Уделите много времени на этапе первоначального исследования. Главная ловушка при попытке «написать отличный научный рассказ — искушение игнорировать неудобные, противоречивые результаты. Не позволяйте этому случиться.

Советы:
➖ Предположите, что вы совершили ошибку. В чём именно она заключается? Представьте, что в ваших доказательствах есть пробел. Где он? Попытайтесь его найти.
➖ Привлекайте к обсуждению других исследователей, особенно более опытных.
➖ Подробно разбирайте ограничения. Если вы заметили проблемы, разрабатывайте и проводите новые эксперименты для их проверки. Это особенно важно для амбициозных или неожиданных заявлений.
➖ Хорошие эксперименты позволяют различать гипотезы: для одного явления часто существует несколько правдоподобных объяснений. Смысл эксперимента в том, чтобы его результаты значительно различались в зависимости от истинности той или иной гипотезы (то есть обеспечивали байесовское доказательство). Если результаты достаточно различны, а эксперимент надёжен, то одна хорошая работа может опровергнуть множество гипотез.

Обязательно спросите себя:
🟦 Можете ли вы доверять своим результатам? Обязательно спросите себя:
🟦 Насколько надёжен мой эксперимент?
🟦 Насколько он зашумлён?
🟦 Существует ли альтернативное объяснение моим результатам?

⁉️ Важно учитывать: Частая ошибка при выборе метода доказательства — вы начинаете доказывать эффективность методики, показывая, что она даёт хорошие результаты, вместо того чтобы продемонстрировать, что она даёт лучшие результаты, чем альтернативные варианты.

Senior Data Engineer
Удаленно / Гибрид / Офис в Москве

Предстоит: Проведение аудита существующих дата-пайплайнов, выявление узких мест и точек отказа; Проектирование и реализация целевой архитектуры загрузки, трансформации и хранения данных под высокую нагрузку... Узнать подробнее 🔵

Senior ETL/DWH Developer
Гибрид / Офис в Москве

Предстоит: Разработка и оптимизация архитектуры Хранилища данных, проектирование слоев данных; Создание, поддержка и оптимизация высоконагруженных ETL-процессов; Интеграция данных из внутренних/внешних источников (API, файловые хранилища, БД)... Узнать подробнее 🔵

Research Scientist в Криптонит
Удаленно / Гибрид / Офис в Москве, Санкт-Петербурге

Предстоит: Ведением исследовательских работ в области математики, Computer Science, электроники, телекоммуникаций и сетей, смежных областях... Узнать подробнее 🔵

В Студия Данных открыто три вакансии: NLP Engineer/LLMOps Engineer/RAG Engineer
От 350.000 до 450.000₽
Удаленно / Гибрид / Офис

Над какими задачи можно будет поработать: Служба клиентского сервиса — суфлёр для операторов и умные чат-боты для клиентов; Юристы — co-pilot для подготовки возражений на иски и анализа входящих договоров; Тендровики — приоритезация опубликованных закупок, анализ предложений и проверка документации претендентов на соответствие требованиям... Узнать подробнее 🔵

Senior разработчик ML в JETLYN
От 250.000 до 320.000₽
Удаленно на территории РФ

Предстоит: Разработка программных решений с использованием нейросетевых и классических моделей машинного обучения. Внедрение современных методов машинного обучения; Формирование требований к данным для создания моделей... Узнать подробнее 🔵