Реально ли войти в ML-инженеры в 2026, или поезд ушёл?

Полгода учу Python, прошёл базу по линалу и статистике, накидал пару проектов на Kaggle. Но в вакансиях везде хотят 2-3 года опыта, MLOps, прод. Чувство, что джунов уже не берут — модели и так есть, нужны только те, кто умеет их катить в прод.

Кто реально заходил в профессию в последние год-два? Что спрашивают на собесах? И правда, что классический ML отмирает, а всё ушло в LLM и дообучение?

Поезд не ушёл, просто перрон сместился. Чистого "обучи модель на ноутбуке" джуна почти не берут, да. Зато выросла потребность в людях, кто умеет данные готовить, фичи собирать, метрики мерить и катить в прод без падений. Я бы на твоём месте меньше Kaggle, больше end-to-end: взял датасет, сделал пайплайн, обернул в сервис, задеплоил, написал мониторинг дрейфа. Вот это на собесе ценят.

Плюсую. К нам джуна берут именно через "умеет работать с данными", а не "знает 15 архитектур". SQL и pandas руками каждый день, а трансформеры раз в месяц.

Классический ML живее всех живых. Бустинги на табличке до сих пор кормят пол-индустрии: скоринг, отток, спрос. LLM хайповее, но в банках и ритейле деньги делает старый добрый градиентный бустинг. Не зацикливайся на одних нейронках.

А по вилкам кто скажет? Джун ML в РФ сейчас на что может рассчитывать, не Москва?

Грубо: джун в регионе/удалёнке от середины, мидл выше в два-три раза, сеньор уже сильно зависит от компании. Но честно — джун-ML дешевле джун-бэкенда часто, потому что пользы от него не сразу. Первый год ты в основном учишься на боевых данных.

Я заходил в 34 из аналитики. Ключевое, что помогло — не диплом, а то, что я уже умел в SQL и понимал бизнес. ML добрал курсами и пет-проектами за год. Так что если у тебя есть смежный опыт, это сильно ускоряет.

Спасибо, понял. Получается, надо меньше соревнований и больше "скучного" прод-пайплайна. Пойду делать сервис с мониторингом.

Ещё совет: научись внятно объяснять, почему модель ошиблась. На собесах в ресёрч и в продукт это разделяет джуна-зубрилу и джуна-инженера. "Метрика упала" — это не ответ, "распределение фичи сдвинулось вот тут" — ответ.

И не верь тем, кто говорит "промпт написал и ты ML-инженер". Дообучение, RAG, оценка качества генерации — это отдельная большая работа, не магия.