Перейди из backend в AI-разработку за 1–2 месяца и получай в 1,5–2 раза больше
Переучиваться с нуля не нужно. 60% агентных вакансий не требуют ML, а бэкенд-опыт рынок засчитывает напрямую. Пройдём базу: RAG, агентные фреймворки, evals, MCP, и научимся уверенно проходить собесы.
Сейчас лучшее время, чтобы вкатиться
Требования ещё не устоялись, и порог сейчас ниже, чем будет: при найме почти не спрашивают классический ML, а бэкенд-опыт в 12 вакансиях из 25 прямо заменяет ML-бэкграунд.
Что из твоего опыта уже засчитывается
бэкенд-опыт требуется в 12 вакансиях из 25 и часто прямо заменяет ML-бэкграунд
evals и MCP почти отсутствуют в открытых курсах — именно на них спотыкаются на собеседовании
Куда ты попадёшь по деньгам
Зарплаты в AI и ML выше средних по рынку в 1,7–2 раза, а конкурс на агентные роли ниже: спецов мало, сфера свежая.
Кирилл. Каждый день строю агентов в проде и собеседую тех, кто хочет туда же
Окончил МИФИ, работать начал в 2020-м сразу в машинном обучении, параллельно занимался бэкендом и был тимлидом. Компанию менял примерно раз в полтора года, каждый раз с ростом дохода — около 100 тысяч рублей в год.
После выхода GPT-4 стало понятно, куда идёт революция, и я пошёл туда. Путь по компаниям: аутсорс с ML-решениями под заказчиков, EdTech с данными и компьютерным зрением, Сбер — отдел AI-ресерча, где мы одними из первых в стране делали цифровых аватаров, стартап в Сколково, куда пришёл лидом и построил ML с нуля.
Сейчас в Альфа-банке развиваю агентов: мы собираем единого агента из отдельных и строим платформу, на которой внутренние пользователи создают агентов сами.
Провёл много собеседований как нанимающий и сам прошёл множество. Отсюда банк задач: бэкенд, классический ML, нейросетевые архитектуры, LLM и агенты. И отсюда же вижу, что грамотных спецов по агентам на рынке очень мало.
Записаться на консультациюЧто входит в менторство
От теории до каверзных вопросов — всё в одном месте.
Разбираем темы, ошибки и код — лично или в мини-группе.
Индивидуальная стратегия и точечная прокачка слабых мест.
Заходишь на собес уже с опытом, а не в первый раз.
Собираем резюме, которое проходит фильтры, и отрабатываем легенду.
Комьюнити и поддержка остаются с тобой и после оффера.
Свежие позиции, чтобы откликаться первым.
Как мы придём к результату
Чёткий план от знакомства до испытательного срока. Готовиться к собеседованиям начинаем параллельно с программой, а не после неё — на рынок выходишь уже через месяц. Сроки — ориентир при 5–8 часах в неделю.
- до старта Знакомство и разбор
На бесплатной консультации смотрим твой опыт, стек и цель. Честно говорю, что добирать и подходит ли тебе формат — если нет, скажу прямо.
- неделя 1 Личный роадмап
Собираю план под твой уровень: что из бэкенд-опыта уже засчитывается, что проходим быстро, где копаем глубоко. Дальше движемся по нему.
- месяц 1 Два трека одновременно
Учёба и упаковка идут параллельно, а не по очереди — поэтому к рынку ты готов через месяц, а не через полгода.
Программа — модель, RAG, агенты, evals
Рынок — резюме, ATS, легенда, HR-секция
- конец месяца 1 Выход на рынок
Резюме проходит фильтры, легенда отработана — начинаем откликаться и назначать собеседования. Рынок даёт обратную связь точнее любого теста.
- месяцы 2–3 Собеседования до оффера
После каждого собеса — разбор: что спросили, где просел, что чинить. Перед важной компанией — мок-собеседование. Дыры закрываем точечно, программа идёт дальше.
- оффер Выбор и переговоры
Сравниваем предложения, разбираем вилку и условия. Я сам нанимаю на такие роли и вижу, где у компании есть запас, а где торг бессмысленен.
- после оффера Испытательный срок
План на первые месяцы в новой роли: что показать за первый месяц, какие вопросы задать команде, как выстроить работу с агентами в проде. Остаюсь на связи, доступ к чатам и материалам — бессрочно.
- итог Ты сменил сферу на актуальную
Роль AI-инженера: конкурс ниже, вилки выше средних по рынку в 1,7–2 раза. Гарантий оффера не даю — результат зависит от твоей работы. Маршрут и сопровождение одинаковы для всех.
Индивидуальный план по авторским материалам
Программа отобрана из всего массива материалов по AI-инженерии: канон лабораторий, курсы, инженерные разборы. Осталось только то, что реально спрашивают на собеседованиях и требуют в вакансиях. Ниже — этапы с ориентиром по часам.
Что из бэкенд-опыта засчитывается напрямую · как устроена модель · токены и контекстное окно · параметры генерации · structured output · промптинг как код
Векторы и индексы · векторные базы · чанкинг · dense против sparse · re-ranking · продвинутые схемы поиска · места, где RAG ломается
Tool calling · цикл агента · фреймворки и когда они не нужны · мультиагентные схемы и цена каждой · память агента · протокол MCP
Оценка и анализ ошибок · LLM-as-a-judge · guardrails и prompt injection · трассировка и метрики · стоимость токенов · деплой
этого почти нет в открытых курсахОдна задача, которую пересобираем на каждом этапе: от одного вызова модели до агента в проде — будет основой для рассказа на собесе.
Резюме и ATS, легенда и самопрезентация, HR-секция, алгоритмы, Python-секция, дизайн LLM-систем — по банку вопросов с реальных собеседований.
В каждом этапе — практическое задание на своём проекте и 2–3 консультации или мок-собеседования с ментором. Между встречами — чат и разбор твоего кода. План пересобирается под твой уровень и темп.
~130 чСколько стоит
Один тариф и два платежа: небольшой фикс на старте, основная часть — только после того, как ты вышел на новую работу и получил первую зарплату.
Фиксированный платёж. Дальше не платишь ничего, пока не выйдешь на новую работу.
Одна месячная зарплата на новом месте — платится после получения первой ЗП.
Основная часть цены привязана к твоему результату: мне выгодно, чтобы ты вышел быстрее и на максимальную вилку. Не вышел на работу — вторая часть не платится.