Исследование рынка специалистов DS/ML/AI-направлений, 2024

DevCrowd вместе с Контуром провели исследование специалистов DS/ML/AI-направлений. Мы впервые опросили 296 специалистов, работающих в Data Science, машинном обучении и AI: какие задачи чаще всего приходится решать, какими инструментами пользуются, как устроена работа AI-лабораторий. А также собрали список полезных книг, курсов, подкастов и Telegram-каналов. Даты исследования: 1 августа – 15 сентября 2024 года.

Главные выводы

64% участников оценивают свой уровень как Middle и Senior; на Senior-позиции можно претендовать в среднем через 3–6 лет в профессии.
Backend и аналитика данных — основные направления, из которых переходят в DS/ML/AI; каждый третий обучился профессии самостоятельно; каждый десятый — кандидат наук.
Менее 50% компаний, работающих с DS/ML, имеют собственные AI-лаборатории.
Лишь 20% специалистов ежедневно напрямую общаются с бизнес-заказчиками.
Самые важные навыки — программирование и машинное обучение; 47% хотят улучшить знания фундаментальной математики.
Каналы «эйай ньюз» и «Сиолошная» читает каждый второй; 70% не слушают подкасты.
Средняя зарплата Middle-специалиста — 200–250 тыс. рублей.
Самые привлекательные компании — Яндекс, Т-Банк и Сбер.

Портрет респондентов

83,2% — линейные специалисты (ML-инженеры, дата-сайентисты), 11,8% — руководители ML/DS/AI-направлений, 5% — менеджеры команд. Официальные роли: ML Engineer — 32,4%, Data Scientist — 27,4%, Researcher — 9,5%, Head of DS — 6,4%.

64% оценивают свой уровень как Middle и Senior. В среднем через 3–6 лет в профессии можно претендовать на Senior-позиции. Backend и аналитика данных — основные направления, из которых переходят в DS/ML/AI; среди неожиданных бывших профессий — врач, режиссёр и грузчик.

Где учились DS/ML/AI: в университете — 36,2%, самостоятельно — 33,5%, на профильных курсах — 22,6%, на работе — 7,8%. Высшее образование — 74,2%, неоконченное высшее — 13,9%, кандидат наук — 9,5%.

Особенности профессии

Основные направления: финтех и банки (18,5%), искусственный интеллект и нейросети (17,8%), автоматизация бизнеса и FoodTech (по 9,6%). 34% работают в компаниях с более чем 5000 сотрудников. Размер команды: 1–5 человек — 32,5%, 6–10 — 40,7%, 11–20 — 13,8%.

Кроме DS/ML/AI-специалистов в командах есть разработчики (65,6%), менеджеры (57%), DevOps/MLOps (40,5%), аналитики данных (39,8%), системные аналитики (24%) и тестировщики (22,9%) — в каждой пятой команде есть отдельный тестировщик.

Менее 50% компаний имеют собственные AI-лаборатории. Их основные задачи — исследовательская работа (73,5%), адаптация технологий под бизнес (61,5%), интеграция технологий в продукты (47,9%), работа с внешними партнёрами (46,2%).

Лишь 20% ежедневно взаимодействуют с бизнес-заказчиками, хотя 25% относят коммуникацию с бизнесом к частым задачам. Самые частые задачи: обучение и разработка моделей (61,3%), работа с данными (49,3%), получение, поиск и разметка данных (29,6%), интеграция моделей в бизнес-процессы (26,6%).

Навыки и инструменты

Самые важные навыки: программирование (49,8%), машинное обучение (49,1%), знание фундаментальной математики (36,4%), обучаемость (31,2%), глубокое обучение (26,4%). Хотят прокачать: фундаментальную математику (46,8%), программирование (37,5%), глубокое обучение (35,9%), инженерию данных (30,6%).

Лишь у 39% в компании есть матрица компетенций. Основные механизмы обмена знаниями — общая база знаний и внутренние митапы.

Технологии: NLP (56,2%), классический ML (53,1%), LLM (50,4%), компьютерное зрение (40,7%), GenAI (21,3%), синтез и распознавание речи (15,9%). Инструменты деплоя: MLflow (45,1%), ONNX Runtime (35,2%), Airflow (34,3%), Triton (20,2%), AWS (19,7%), TorchServe (11,7%).

Помимо рабочих задач в рабочее время: научная работа (44%), подготовка докладов (41,8%), работа над публикациями (39,1%), пет-проекты (37,5%).

Сообщество и развитие

Любимые форматы знаний: Telegram-каналы (73%), статьи (70,3%), YouTube (56,2%), курсы (45,3%), общение с коллегами (43,4%).

Telegram-каналы: «эйай ньюз» (47,8%), «Сиолошная» (46,4%), «Время Валеры» (37,9%), «Love. Death. Transformers» (37,5%), разделы Хабра (36,6%), «Борис опять» (33%), «gonzo-обзоры ML-статей» (32,6%).
Подкасты: 70% не слушают; среди слушающих — Machine Learning podcast, Podlodka Podcast, «Мы обречены».
Эксперты: Валерий Бабушкин (30,8%), Виктор Кантор (16,4%), Сергей Марков (12,5%), Александр Дьяконов (11,5%), Игорь Котенков (10,6%).
Конференции: Data Fest (27,9%), AI Journey (19,2%), Practical ML Conf (17,9%), YaTalks (10,4%), Data Fusion (8,7%); 50,4% не посещали конференции.
Книга, которую чаще всего советуют: «Dive into Deep Learning».
Курсы: Deep Learning School (36,1%), МФТИ (26,9%), Karpov.Courses (24,4%), Школа анализа данных (22,7%), Яндекс Практикум (17,6%).

Релокация и удалёнка

Ежедневно ходят в офис 16,6%, в основном в офисе — 18,3%, в основном удалённо — 28,6%, полностью удалённо — 36,6%. 25% живут не в России; 73% уехавших переехали за последние три года. Большинство уехавших склоняется к тому, чтобы не возвращаться. Из живущих в России 60,1% не планируют переезжать.

Работа и компании

11,4% активно ищут работу, 48,8% рассматривают предложения, 39,8% не планируют менять работу. Главные мотивы смены — желание больше зарабатывать (65,9%) и решать более сложные задачи (49,7%). 25% не меняют работу из-за нежелания заново проходить найм.

Зарплаты DS/ML/AI-специалистов

Средняя зарплата Middle-специалистов — 200–250 тыс. рублей. Около 50% получают регулярные премии.

18% не готовы работать на российскую компанию, 72,9% работают в российской компании. Самые привлекательные компании: Яндекс (57,9%), Т-Банк (45,3%), Сбер (40%), Ozon (38,9%), Авито (32,6%), VK (23,2%). 83% выбирают команду по интересным задачам, далее — уровень зарплаты (68,1%) и сильная команда (67%).

Про респондентов

296 специалистов DS/ML/AI: 77,4% мужчин, 20,6% женщин; в России — 50,7% из Москвы, 16,4% из Санкт-Петербурга. Исследование: DevCrowd. Партнёр: Контур. Следующее исследование: рынок data-специалистов, 2025. Все исследования DevCrowd: devcrowd.ru.