Ebout Data Science | Дима Савелко

Оффер на 290к gross за 6 месяцев: тестировщик перешёл в ML/Data Science и забрал полную удалёнку 🐵

Мой слон пришёл ко мне в 29 лет тестировщиком. До этого прошёл курсы, пару месяцев сам искал работу в ML, но упёрся в классическую стену: знания вроде есть, а как продавать опыт рынку - хз

Главный запрос был: толковое резюме, пиздатые проекты и нормальная подготовка к собесам. И ещё у него был типичный затык многих ребят: казалось, что сначала надо разъебать весь матан, тервер, линал, а уже потом аккуратно идти в ML... тихо, не спеша 🐹

И давай мы ему объяснять, что рынок устроен по другому: матан нужен, но на базовом уровне, а на собесах важнее другое: понимать модели, метрики, алгоритмы, уметь рассказать опыт, не мычать на неудобных вопросах и показать, что ты можешь решать задачи бизнеса

Что делали:
🟣 на моках жёстко подтянули харды
🟡 разобрали подход к алгоритмическим секциям
🔵 упаковали легенду и опыт
🟢 подключили комьюнити, чтобы человек не варился один в своей голове

По итогу: 3 месяца подготовки, 1.5 месяца собесов - и оффер на 290к gross, полная удалёнка, рост зарплаты больше чем в 2 раза (больше кейсов тут кста)

И самое базированное в отзыве даже не про деньги, а вот это: «страха больше нет» 💀

Чтобы вы также разносили собесы, скоро для вас будет дроп видоса, где разберу
🟣 почему выдрачивать сначала всю теорию, а потом идти на собесы это для геев
🟡 что конкретно нужно учить, чтобы не выдрачиться и не сгореть
🟢 как с нуля зайти в Data Science в 2026 году и выйти к офферу на 300к за полгода даже если ты с нуля

Анальный матан в DS/AI не нужен 🤩

Много вопросов слышу от ребят про матёшу и много кто думает, что она нужно глубокая и задротская. Лично меня олимпиады по математике всегда пугали, сидят какие-то гении, которые траву даже не трогали и женщин не нюхали, решают Высшую пробу, берут всерос, в уме перемножают матрицы, а моя последняя выигранная олимпиада - Русский медвежонок, и то тяжело было на ней 💀

Поэтому для старта в DS/AI и выхода на 300к+ тебе НЕ нужна академическая математика.
Тебе нужно ровно столько, сколько спрашивают на собесах и потребуется на работе - это зачастую базовый матан:

🟣 Линал
• Важно понимать, как работают матрицы, как они умножаются и складываются - вообщем разные операции над ними

🟡 Матан
• Точно не надо решать интегральные уравнения, тебе буквально надо будет просто понять, что такое производная, что такое градиент, и как в целом работают функции (как бы их почувствовать надо)
• Нужно понимать идею градиентного спуска: модель ошиблась, посчитала loss, чуть подкрутила веса, снова ошиблась, снова подкрутила

🔵 Тервер и статистика
Это нужно, потому что бизнес спросит: «А твоя модель вообще работает?»
И ты должен показать цифры: accuracy, precision, recall, F1 на A/B тестах, а в А/Б тестах используют статистику. Там тоже немного и не особо тяжело, за неделю-две можно освоить.

И всё, буквально не надо год учить матан перед первым кодом. Если ты не идёшь в ресёрч и в HFT, то выдрачивать матан тебе не надо. Слоны на менторстве учат матан примерно неделю: не дрочим академическую теорию годами, а берём то, что реально пригодится на проектах, собесах и работе 🐸🐸🐸

Если даже ты бедный гуманитарий, то боятся матан точно не стоит, а стоит выучить то, что спрашивают на собесах, но там учится за 7-14 дней буквально.

Итог:
В DS/AI матан нужен, но его стоит углублять сугубо от задач, которые ты решаешь. Поэтому если ты не идёшь в DS/AI только потому, что «я плохо знаю матан» - скорее всего, проблема не в матане, а в том, что ты сикаешь в штанишки (это норм, я сам так делал) 😭

Оффер на 315к за 3 месяца: студент сразу прыгнул на Middle ML-Engineer и не оподливился 😐

В прошлом посте говорил, что в 2026 году деньги в DS/AI платят не за пустую дрочку с моделями, а за умение решать бизнес-задачи

Как и обещал, реальный кейс слона (больше кейсов тут кста): обычный студент с ПМИ, немного поработал в аутсорсе со своими ребятами из вуза, но понял, что ничего особо жирного там не светит

И в какой-то момент принял решение: в пизду стажёрство и джуна, иду сразу на мидловскую позицию. Мощно и круто сделать такое решение, но без системы - это просто способ красиво обосраться. Поэтому мы начали не с «верь в себя, братуха», а с нормальной и системной работы 😮‍💨

Что делали на менторстве:
🟣 На каждом МОКе задавали каверзные и сложные вопросы, которые могли бы застать врасплох на реальном собесе
🟡 Прокачивали знания, а также важную вещь стрессоустойчивость, потому что собес - это не экзамен в вакууме, а ситуация, где ты можешь поплыть от одного кривого вопроса
🔵 Глубоко проработали легенду и опыт, чтобы он сам лучше понимал, как могут быть устроены системы, и мог нормально об этом говорить
🟢 Учились мыслить как мл-инженер, который уже способен приносить деньги бизнесу - основная вещь, которая отделяют мидлов от джунов

По итогу: оффер на 315к gross за 3 месяца в Суточно.ру на позицию Middle ML-Engineer

Сейчас он уже работает, вкатился в команду, доход вырос, темп жизни поменялся, и человек сам пишет очень базированную мысль: вся наша жизнь - это обучение модельки, ошибки делать не страшно, потому что именно они потом дают хорошие метрики, то есть большие бабки 🌟

Кто-то скажет: Дима, ну ты пиздун, это невозможно, это всё ☹️, а мой ответ будет прост - 😋

Поэтому Валера будучи студентом ПМИ залутал оффер на 315к gross в суточно.ру с помощью чётко выстроенной системы: роадмап по материалам, МОКи, фокус на реальные собесы и понимание, как продать свой опыт рынку

За что в DS/AI реально платят 300к+ в 2026 📞

В прошлом посте писал, что вдрачивать учебники по матану - это путь в никуда, но давайте чуть приземлимся в текущий рынок и посмотрим, за что вообще сейчас платят деньги

Многие до сих пор живут в 2021 году, где можно было выучить Python, чуть-чуть SQL, сделать fit/пердикт, закинуть пару учебных проектов в резюме и ждать, пока тебе прилетит оффер - сейчас уже такого нет, на дворе 2026 год

В 2026 году бизнесу не нужен человек, который просто знает машинное обучение. Ему нужен человек, который может взять боль бизнеса и превратить её в техническое/продуктовое решение - и это очень большая разница, которую начинающие, да и порой бывалые ребята не понимают 👋

Бизнесу плевать, насколько виртуозно ты выводишь разные анальные формулы на листочке. У бизнеса болит другое:
🟣 колл-центр жрёт слишком много денег
🟡 менеджеры руками обрабатывают тонну заявок
🔵 поддержка отвечает медленно
🟢 отдел продаж теряет лиды
🟣 логистика работает через жопу

И вот тут появляется нормальный AI/DS-инженер и говорит не:
«Здравствуйте, я знаю линал, тервер и градиентный бустинг, трахните меня»А начинает задвигать такую телегу:
«Я могу собрать RAG/агента/ML-пайплайн, который закроет вот эту конкретную дыру, сократит ручную работу и сэкономит вам деньги, теперь вы сосёте мне»
И именно за то, что вы избавили бизнес от каких-то болей, заработали или сократили косты, и дают вам деньги 💀

И тут неприятная мысль для новичков: классический джун в формате «возьмите меня, я буду учиться за ваши деньги и мыть полы» рынку всё меньше и меньше нужен. ИИ уже сейчас пишет базовый код (а порой пиздец не базовый), чинит простые баги, делает документацию и собирает прототипы быстрее среднего джуна и порой даже мидла, который три часа пьёт кофе и смотри рилсы в туалете офиса. Но всё же это ещё не значит, что джунам конец и надо ложиться в гробик.

Это значит, что заходить на рынок с позицией «я пока ничего не умею, но очень хочу развиваться» - слабая стратегия. Нужно сразу учиться мыслить как инженер, который понимает задачу, задаёт вопросы и доводит решение до результата. Поэтому все дружно выходим из парадигмы «я выучил DS» в «у вас есть боль, я знаю, как её закрыть через AI»

Поэтому и появляются офферы на 250к, 300к, 400к+, потому что людей на стыке бизнеса и AI всё ещё мало. Большинство либо просто кодит, не понимая зачем, либо красиво рассуждает про бизнес, но руками ничего собрать не может, а на текущем рынке деньги лежат посередине: где ты можешь поговорить с бизнесом, понять боль, собрать решение на LLM/RAG/Classic ML/агентах и не оподливиться на проде ☝️

Короче, это и есть рынок DS/AI в 2026, когда мы уходим из разрада «я выучил матан, дайте оффер и в жопу раз» в разряд «я умею решать задачи бизнеса через AI, дайте мне много денег и вилкой в глаз»

Следующий пост будет про реальный кейс ученика, который заходил почти с нуля и не пошёл по пути вечного джуна, а сразу начал думать через бизнес-результат 😐

Почему самые умные новички чаще всего сидят без оффера 💀

Вот этот коммент попал прямо в боль новичков, очень много умных и системных ребят смотрят на DS/AI в 2026 году, видят все эти страшные слова: LLM, RAG, пайплайны, агенты, тервер, линал, матан и думают: «Так, ну сначала надо выучить всю математику на уровне мехмата, потом прорешать 300 задач, потом прочитать пару книжек про анальное распределение Ивана Золо, потом уже, может быть, начну писать первую модельку» 😔

На самом деле, это ловушка-джовушкера (ебать я старый)

Я сам закончил МИРЭА на прикладную инфу, где всего лишь выучил матан первого семестра, потому что дальше я просто перестал понимать: это не физтех, не ШАД, не какой-то элитный завод по производству гениев. В универе тоже смотрел на ребят из условного физтеха и думал: «ну всё, эти кабаны точно заберут рынок, а я кто вообще такой»

По итогу сейчас я руковожу проектами, в 22 года являюсь сеньором, работаю в Точке с ЗП ~400к и параллельно готовлю ребят с нуля к найму в DS на своём менторстве.🚬

И вот что я понял: подход «сначала выучу всё идеально, а потом пойду в практику» убивает карьеру ещё до её старта, пока ты прячешься за учебниками и говоришь себе «ну вот ещё базу добью и начну кодить», менее правильные, но более дерзкие и борзые ребята уже собирают кривые проекты, ловят СВОИ РЕАЛЬНЫЕ ошибки, исправляют их, ходят на собесы и забирают офферы

Да, математика нужна, но не в формате «годами дрочить линал в вакууме, чтобы однажды заслужить право сделать fit/predict». Это как смотреть гайды на ютубе по качалке, питанию и сну, но дрочить письку каждое утро под рилсы, а на завтрак кфс заебенить, то есть фактической пользы ноль, а занимаешься совершенно не целевыми действиями

Более эффективный путь другой: сразу лезешь в практику, делаешь проекты, обсираешься, плачешь, потом разбираешься, где реально не хватает базы, и добираешь её точечно, а не наоборот. Вот этот коммент настолько хорошо подсветил главную проблему новичков, что я решил не ограничиваться постом и сел готовить большое видео 😋

Там разберу:
🟣 почему стратегия сначала вся теория, потом практика не работает при трудоустройстве в DS
🟡 какая математика реально нужна на старте, а где начинается академическая дрочка писюна
🟢 как с нуля зайти в Data Science в 2026 году и выйти к офферу на 300к за полгода даже если ты с нуля

Короче, будет мясцо, видео уже в работе, поэтому работаем 😱

Data Science в 2026: рынок умер или ты просто смотришь не туда? 🤔

Снял новый ролик на YouTube, где по разобрал, что сейчас реально происходит в DS, куда ушли деньги и почему одни забирают офферы, а другие годами остаются в поиске

Коротко, что внутри:

🔵 Почему рынок кажется сломанным, но на самом деле это не конец, а фильтр
🟢 Как не застрять в роли вечного джуна и начать расти в доходе
🟡 Почему одни доходят до финалов и всё равно сливают офферы
🟣 Как понять, что важно компаниям, а не пытаться понравиться всем подряд
🔵 Что делать, чтобы у тебя наконец появилась система, а не хаотичный поиск

Если ты сейчас вкатываешься в Data Science, ищешь оффер или хочешь вырасти дальше - ролик точно стоит посмотреть.

Залетай: https://youtu.be/xmJ-RFWZ0vA 👉

как быстро расти с нуля, даже если сейчас кажется, что всё хуёво, тоскливо и грустно 💀

Разобрал три проблемы, в которые сам попадал: бесконечная подготовка вместо выхода к рынку, метание между направлениями и подмена результата активностью. Плюс рассказал, как нашёл для себя DS, почему оффер - на самом деле система, и как проверять, что ты реально двигаешься, а не просто занят 🤯

00:00 — начинать отсюда
00:15 — вопросы и страхи, с которыми я стартовал
01:05 — моя точка А: маленький город, обычная семья и не топовый вуз
01:48 — как я нашёл для себя Data Science
02:12 — Ошибка №1
03:16 — почему найм кажется чёрной коробкой
04:02 — как декомпозировать путь до оффера
05:45 — Ошибка №2
06:54 — почему важно чётко определить цель
07:35 — как понять, какое направление тебе подходит
08:36 — Ошибка №3
10:26 — как проверять реальное продвижение к офферу
11:11 — метрики, план-факт и фидбэк
12:05 — три главные проблемы на пути к росту
12:25 — как выбрать перспективное направление
13:46 — как выстроить систему: роль, точка А, roadmap и проекты
15:08 — почему люди вокруг ускоряют твой рост
16:44 — главное резюме: ловушки, система и окружение
17:56 — что вынести из подкаста и как поделиться своим опытом
18:32 — финал

Хочу услышать ваши проблемы, с которыми вы сталкиваетесь, в комментах)

Как я вырос в DS и чем сейчас занимаюсь? 💀

Разбирал со своей девушкой вещи перед отъездом во Вьетнам. Нашёл свои старые тетрадки с первого курса. Пробило на ностальгию и начал вспоминать, а как я дошёл до такой жизни, думаю новым читателям тоже будет интересно почитать и познакомиться со мной:

1️⃣ Ведь буквально недавно я жил в Фокино, Приморский край - город на 20к человек, где пивнух было больше чем библиотек, а по углам коридоров школы был насвай и снюс. Учился нормально, в основном 4-5, но без определённого таланта, просто всё понимал на достойном уровне. С 9 класса понял, что хочу поступить в Москву, так движ и дохуя возможностей, по итогу сдал ЕГЭ на 270 баллов и поступил в МИРЭА. На левой фотке и в 9 классе, не гей...
2️⃣ В 20 лет на первом/втором курсе понял, что образование - кусок кала и надо сразу трудоустраиваться, начал искать первую работу: хакатоны, собесы, попытки, тупняки, снова попытки - но я ебашил как зверь и по итогу буквально выгрыз свой первый оффер на 30-50к в небольшой компании. Это были времена начала СВО и мобилизации, когда компании не нанимали джунов и выкидывали мидлов и мне приходилось соревноваться в очень конкурентном рынке
3️⃣ В 22 года уже стал Senior, начал качать менторство и бизнесы, учусь в ИТМО. За полгода через моё менторство больше 60 ребят трудоустроились на 300к+ в бигтех-компании. Параллельно начал строить B2B SaaS, про который пока говорю не так много - но когда стрельнет, расскажу 🤯

Сейчас у меня:

🟣 доход больше 1 млн рублей в месяц
🟢 два растущих бизнеса (менторство и B2B SaaS)
🔵 команда из 10 человек
🟡 растущее менторство (более 200 ребят в базе)
🟣 Senior-позиция в Точке с зп ~400к

Плюс регулярно работаю со своим наставником, хожу на встречи бизнес-клубов, общаюсь с людьми сильно выше себя, путешествую и хочу пожить во Вьетнаме/Тайе и других странах

Цель на ближайшие два года - точно 24/7 быть в энергии, а для этого как инструмент: выйти на 5 млн чистыми в месяц, радовать родителей, семью, свою любимую женщину, путешествовать и жить кайфово, а не просто стать скуфом с пустыми глазами 😔

Главное, что я понял за это время: стартовать можно вообще с любого уровня - не из идеального города, не с идеальной школы, не с идеальной башкой и не с идеальными обстоятельствами. Выбраться и взъебать реально, но быстрый рост появляется не от мотивации на 3 дня, а от дисциплины, нормального окружения, энергии и честного взгляда на себя: где тупишь, где боишься, где сливаешься, а где тебя реально прёт. Вот в этом, по итогу, и есть вся база для меня)

Решил сегодня поделиться личным, поставьте 🔥, если тема интересна - дам свой взгляд, как быстро расти с нуля, даже если сейчас кажется, что всё хуёво, тоскливо и грустно

Стал больше работать, ничего не делая 💀

У меня часто бывало так, что когда я ничего не делал - в голове орало "ты чё, скуф, поднимай свой анус и иди работать". Кончено, я себя слушал, вставал и шёл работать. Ну я же машина для убийств, мне не страшны переработки думал я.

А потом в какой-то момент заметил, что КПД у меня скатился в говно. То есть тупо смотрю в код, читаю одно и то же предложение по 5 раз, не могу собрать нормальную мысль на простой ответ ученику. Грубо говоря, я как модель, которую переобучили - вроде сижу за столом 12 часов, а полезного - нихуя 🙅‍♂️

И вот тут до меня дошла очень простая мысль: если измерять эффективность от 1 до 10, то условно работа без отдыха - это 6, а работа с отдыхом - это 9. То есть ты за меньшее время закрываешь больше задач, ЕСЛИ периодически отключаешь голову. Моё открытие в том, что 90% получается не перестав отдыхать, а наоборот - встроив отдых как обязательную часть рабочего процесса

Что мне реально помогло: я перестал воспринимать отдых как "ну если время останется". Сейчас отдых для меня - такой же слот в графике, как встреча к примеру. Не выполнить нельзя. И сверху ещё трекаю своё состояние: как я после бани, как после плойки, как после прогулки 🚶

Прям буквально замечаю - после Х на следующий день работаю лучше. И мозг постепенно перестаёт орать "ты ленивый кусок массы" и наоборот начинает просить эти слоты сам, потому что видит, что они работают.

Чем я лично восстанавливаюсь:

🟣 баня
🟢 зал
🔵 плойка и настолки с пацанами
🟡 путешествия
🔵 ну и конечно же пенсионерские прогулки с своей женщиной
🟢 сон - база, без него остальное вообще не работает

До сих пор иногда ловлю себя на мысли "ну ещё одну таску перед сном и вот-вот ляжем спать" и одёргиваю - я с этим тоже до конца не справился, мы все в процессе

А вы как восстанавливаетесь? Что у вас в топе - закидывайте в комменты, гляну для себя новые идеи 🤝

Найм в 2026 - ЛЛМ дрочит на ЛЛМ

Вышла недавно статья про найм в эпоху ИИ. Ребята проверили гипотезу: если твоё резюме скринит LLM-ка (а её сейчас юзают почти везде, где идёт массовый найм - бигтехи привет), будет ли она объективно его оценивать? Ответ: не будет, НО будет любить резюме, которые написаны/полизаны другой LLM, и душить те, что написаны живым человеком руками

Цифры из статьи:

🟣 кандидаты с резюме, прогнанным через LLM, проходят шортлист на ~60% чаще, чем такие же по уровню кандидаты с человеческим текстом
🟡 сильнее всего страдают рукописные резюме в бизнес-сферах - sales, accounting и подобное
🟢 LLM-ки буквально узнают "свой стиль" и подсознательно его подкручивают

Это называется self-preference bias - модель в роли судьи отдаёт предпочтение тому, что выглядит как её собственная генерация, короче делает самоотсос. В ресерче про это знали уже давно, но именно в найме на масштабе никто это не мерил. А теперь померили, и получили вот эти 60% 💀

Но на самом деле - это не страшно, а даже хорошо для вас 😼
Я в постах сто раз говорил: найм - это маркетинг и игра по правилам. Не справедливость, не честная оценка знаний, а воронка с конверсиями. Так вот, эта статья - буквальный научный пруф под мой тейк. На этапе выбора резюме у тебя сидит не человек, а LLM-ка. Поэтому нам надо ей угодить - в гайде по написанию резюме я подробно описал как это сделать, после этого можете посёрчить с ЛЛМ-кой, как более лучше можно сделать ваше описание. Поэтому пользуйтесь и экспериментируйте!

Почему собеседование - это бизнес? 😎

Сходил в бизнес клубе на бизнес встречу жёстко поговорили про бизнесовый маркетинг в бизнесе. На самом деле, посидели офигенно, инсайтов налутал на пару постов вперёд, потом ещё с партнёром жёстко погуляли по городу, обсудили зловещие планы о захвате всех бигтехов, чтобы наши слоны ещё больше офферов получи - в общем, зачилились знатно)

На второй фотке с партнёром целуемся кста, с Серёгой, не геи

А то попку надо выгуливать и не уходить в рабочий запой, поэтому кайф выбираться на такие мероприятия и получать инсайты, которыми я здесь делюсь с вами. Например, то что этап трудоустройства - это тот же самый маркетинг 😳

То есть у тебя есть точно такая же воронка, как у любого бизнеса:

отклики и резюме
HR-скрининг
техничка
финал
оффер

Найм - это маркетинг, то есть у тебя есть точно такая же воронка с конверсиями, и продукт в ней - ты сам 🤟

Я всегда смотрел на собес как на переговор двух бизнесов: ты партнёр, который пришёл сказать "у меня скилл, у вас боль, давайте посчитаем сколько денег я вам принесу", а не проситель, который умоляет "возьмите меня". Поэтому на каждый собес надо приходить заряженным, не уставшим студентом после пары, а челом, который пришёл закрывать сделку и сейчас будет жёстко разъёбывать 💪