Школярі не завжди замислюються про кар'єру. Ось і обирають університети навмання. За п'ять років навчання в кишені з'являється диплом з фаху, який тобі не до вподоби. Але ж ніхто не змушує все життя працювати на заводі, якщо душа прагне програмування.
Наприклад, наші студенти – справжні світчери. Так кажуть про людей, які змінили сферу діяльності. Ми поспілкувались із випускниками курсів Front-End і Web Design та розповідаємо, як до кар’єри в ІТ прийшли – співробітник McDonald`s, інженер-геофізик та режисер.

Я навчалась на режисера розважальних та шоу-програм в інституті культури. Потім працювала в типографії, верстала блокноти. Там я познайомилась із веб-дизайном.
Після типографії влаштувалась проектним менеджером у громадську організацію. Нам потрібен був сайт, я шукала студію розробки. Програміста в нас не було, тому вирішила піти на навчання. В одній із шкіл закінчила курси з фронтенд-розробки та веб-дизайну. Цих знань не вистачило та я почала шукати іншу школу.
Звільнилась з роботи, почала займатись невеликими проектами – створювала дизайн для візитівок, логотипів. А потім мій викладач із іншої школи порадив Beetroot Academy. В червні 2017 я зареєструвалась на навчання а у вересні вже почались курси.
На заняттях все було нове, я зрозуміла, що нічого не вмію. Перший проект – розробка веб-студії Mandarin, став популярним на платформі Behance.
Вже під час навчання я почала надсилати резюме та відвідала три співбесіди. Спочатку мені запропонували працювати на порталі новин, потім – ще в одній студії. Але я обрала компанію, де працюю зараз – студію VOR. Офіс знаходиться в Лондоні, а я працюю віддалено.
Влаштовуватись на роботу ми прийшли удвох – я та ще одна дівчина. Нас попередили – в студії все влаштовано по-своєму. Своя типографіка, свої шаблони. Дівчина відмовилась, а я вирішила навчатися та розвиватися.
Зараз ми робимо проект для влади Казахстану – країна хоче прославити своїх поетів на Заході, в нас замовили сайт. Ще один клієнт – компанія Nintendo. Ми займаємося редизайном сайту для гри Game Boy.
З того часу як я вперше спробувала свої сили в дизайні минуло два роки. Зараз я вже фахівець, але мені є куди зростати. Студія працює переважно у напрямку fashion. В цій сфері все швидко змінюється, потрібно тримати руку на пульсі. Головне – зрозуміти бажання замовника та знайти спільну мову.
В майбутньому хочу зібрати команду та відкрити свою студію. Хочу бути арт-директором. В мене є гарні приклади для наслідування.

Раніше працював у “Макдональдсі”, інструктором з навчання персоналу. В 2014 році переїхав до Одеси із Луганська та продовжував працювати. Потім захотілося займатись чимось перспективнішим. Ще у шкільні роки закінчив курс з створення сайтів. Код ми писали в “блокноті”, а верстали – таблицями. Але я не продовжив розвиток у цьому напрямку. Після того як переїхав до Одеси став частіше чути про ІТ-сферу.
Закінчив онлайн курси, зрозумів принципи роботи, але знань не вистачало. Один із друзів-переселенців потрапив на курс Beetroot Academy та отримав стипендію. Я також подав заявку на грантовий набір, пройшов співбесіду та почав вчитися на Front-End-розробника.
Вдома ми дивилися відео-уроки, а заняття в класі були практичними. На початку група отримала спільний проект, ми вчилися працювати в команді. Заняття починались о 19.00, а я працював до 18.30. Постійно поспішав, запізнювався, але навчання не кинув.
Незабаром після старту курсу я почав шукати роботу. Протягом місяця продивлявся усі сайти пошуку, надсилав по 10 резюме щодня, робив тестові. Одного разу на занятті викладач відволіклась на іншого студента. У цей час я надіслав резюме до одеської студії розробки WideWeb. Показав портфоліо, пройшов співбесіду та отримав роботу.
Зараз я займаюсь веб-розробкою – створюю нові та підтримую вже існуючі сайти, наприклад створив сайти: Skyrocket, Bluzelle. Нещодавно мене підвищили до тім-ліда команди Front-End. Я вчу React та планую подальший розвиток.

За спеціальністю я геофізик. Вже після другого курсу поїхав на практику та зрозумів – це не моє. Тому, крім навчання в університеті адміністрував спільноти в соцмережах. Це був проект “Типовий Франківськ”. Саме тоді почав користуватись Photoshop і мені сподобалось. Згодом почав думати про роботу в ІТ-сфері. Розглядав як веб-розробку, так і веб-дизайн.
Після завершення магістратури довідався про Beetroot Academy. Основний чинник вибору – те, що школа заснована шведами. А ще я чув позитивні відгуки від знайомих які, як виявилось, працюють в академії. Обрав курс веб-дизайну і заплатив одразу за чотири місяці – це був додатковий стимул не кинути навчання і прикладати максимум зусиль.
Мені сподобалась неформальна атмосфера в групі. Навчались люди різного віку, але викладач знаходив підхід до кожного, зрозуміло доносив інформацію. Він також рекомендував нас, коли з`являлись вакансії. На одну з них мені вдалось потрапити вже на другому місяці навчання. Я став помічником дизайнера, працював віддалено. Але мені завжди хотілось піти в офіс, щоби спілкуватись із колегами та бути ближче до всього процесу.
Розмістив резюме на декількох сайтах і мене запросили на іншу роботу. Прийшов туди, побачив двох розробників та одного дизайнера. Дивлячись на проекти я зрозумів, що на курсах від викладача можна дізнатись набагато більше. Довго на роботі я не затримався, пропрацював тиждень та вирішив піти.
На курсах було багато практичних завдань, я навчався увесь вільний час. Інколи викладав проекти в інстаграм сторіз. Саме там мене і помітив один із теперішніх колег.
Чотири місяці пролетіли швидко та плідно. За час навчання вдалось зібрати більш ніж 8 робіт для портфоліо, деякі з них я виклав на Behance. На випускний академії прийшли представники різних місцевих компаній. Одна з них – Devlight. Мені пощастило, адже за тиждень я потрапив до них на співбесіду. Розмова тривала більш ніж півтори години, інтерв’ю проводило п’ятеро осіб. Наприкінці все пройшло вдало.
В перший день мені дали проект – дизайн мобільного застосунку для всеукраїнської мережі кав’ярень. Було лячно, не знав із чого почати, адже це перший серйозний проект. Та колеги допомагали і давали важливі поради.
З часом все ставало зрозуміліше і страх зникав. Тож згодом почав спілкуватись із замовниками, тісно працювати із розробниками та менеджерами проектів.
Вважаю це вірним підходом – відразу кидати новенького у вир подій, паралельно навчаючи та даючи поради.
В основу роботи нашої компанії покладено дизайн, який орієнтовано на людину. Річ не тільки у візуальній частині а й у підході до створення продукту. Ми працюємо командно і виконуємо багато роботи, спілкуємось із замовниками, створюємо Customer Journey Map, проводимо інтерв’ю з цільовою аудиторією різного віку. Тільки занурившись у проекти із головою, можна створювати якісні продукти, орієнтовані на користувачів.
Планую розвиватись в сфері дизайну, підвищити свої навички, ймовірно – податись у продуктовий дизайн. Всім, хто вагається чи йти у дизайн або взагалі в ІТ – йдіть. Місць для хороших спеціалістів вистачає.

У третьому кварталі 2026 року оборонні компанії опублікували на DOU 3942 вакансії. Це близько 20% усіх пропозицій на платформі і рекорд за всі роки. Для hardware-фахівців показник теж рекордний: 704 вакансії за квартал, а на одну вакансію embedded-розробника в середньому припадає 4,6 відгуку (DOU, III квартал 2026). Компанії, які шукають «готового» інженера методами класичного IT, витрачають на це місяці. У статті зібрані дані ринку, цифри з нашого вебінару «Навчати чи наймати» з Мартою Хрип'як, HR Director Lira Engineering, і критерії, за якими варто вирішувати: шукати людину на ринку чи виростити її.
Попит на інженерів в оборонці росте швидше, ніж ринок встигає готувати людей. У 2025 році deftech-вакансій було в 2,6 раза більше, ніж у 2024-му. За перше півріччя 2026 року їх опублікували більше, ніж за весь 2025 рік. Кількість вакансій для hardware-фахівців з 2024 року зросла більш ніж ушестеро.
Наймати далі планують усі. У дослідженні Української ради зброярів і CORE Team усі 27 опитаних виробників збираються шукати людей найближчі 6–12 місяців, а майже половина називає найдефіцитнішими інженерів-конструкторів та інженерів з електроніки (AIN). Конструкторів шукають 67% виробників.
Найважче закрити ролі на стику заліза і коду:
Частка embedded-вакансій в оборонці в 6–7 разів вища, ніж в IT (DOU). При цьому бракує не лише стеку. Як підкреслювала на вебінарі Марта Хрип'як-Стеценко, компаніям не вистачає інженерного мислення: уміння ухвалювати рішення в умовах невизначеності й відповідати за продукт.
Звичайну технічну роль в оборонці закривають за 1–2 місяці, критичну інженерну за 3–6 місяців і довше. Такі терміни Марта Хрип'як-Стеценко навела на вебінарі «Навчати чи наймати»:
Кілька цифр, які пояснюють, чому все так довго:
Остання цифра найпрактичніша. Якщо за два тижні у воронці немає жодного близького кандидата, проблема, найімовірніше, у профілі вакансії. Продовжувати пошук з тими самими вимогами означає втрачати ще місяці.
Навіть коли кандидата знайдено, найм часто зривається на фініші. Серед типових причин: контрофер, безпекові перевірки, невизначеність із бронюванням, формат роботи, знижена ставка на випробувальний термін, зміна обов'язків або етапів у процесі і повільне рішення самої компанії.
Більшість вакансій, які не закриваються місяцями, вимагають від однієї людини поєднання кількох рідкісних навичок. Кожну з них окремо на ринку знайти можна. Разом майже ніколи.
«Окремо знайти Senior Embedded — в принципі реально. Окремо знайти людину з досвідом у БПЛА — реально. Окремо знайти людину, яка знає англійську на рівні B2-C1 — реально. Але знайти сеньйора з досвідом БПЛА, з сильним системним дизайном, з англійською мовою і, наприклад, з готовністю працювати в мілтеху... це вже одиниці на всю країну».
Марта Хрип'як-Стеценко, HR Director, Lira Engineering
Перетин вимог лише одна з причин. Спікерка вебінару виділила ще кілька:
Пул IT-фахівців цю проблему не закриває. У класичному IT окремі напрями збирають понад 80 відгуків на вакансію, тоді як у deftech середній показник за перше півріччя 2026 року становив 10,2 (RazomUA за даними DOU). І більшість цих відгуків іде на Project Manager, QA та DevOps.
Кандидатів стало ще менше, а підняття зарплат ситуацію не врятувало. Ось як Марта Хрип'як-Стеценко описала зміни на вебінарі:
Висновок спікерки прямий: головна проблема в браку людей і конкуренції за той самий пул. Ставки тут вторинні.
Бюджет на рекрутера чи агенцію видно одразу. Решту витрат зазвичай не рахують, хоча вони більші:
Оборонні компанії зазвичай пробують шість підходів. Лише один із них збільшує кількість інженерів у галузі.
Марта Хрип'як-Стеценко назвала це канібалізацією талантів. Коли компанія B переманює інженера в компанії A, у галузі як було вісім інженерів, так і лишилося вісім. Чийсь продукт зупинився, а ринкові зарплати піднялися для всіх. Вирощений інженер додає галузі ще одного фахівця. Збільшити пул може тільки навчання.
Шукати на ринку варто, коли людина потрібна за тижні або йдеться про унікальну lead-роль. Вирощувати всередині, коли до потреби є 3–6 місяців, у кандидата є суміжна база, а в команді є ментор. Рішення залежить від трьох критеріїв:
Внутрішня підготовка працює, якщо в компанії є наставники з виділеним часом, документація, онбординг і прозора структура росту. Найчастіше бракує часу сеньйорів, плану розвитку ролі, відповідального за L&D і віри керівництва в окупність.
Частину цих прогалин закриває зовнішній освітній партнер. Він бере на себе базову програму, викладачів і практику на залізі, а специфіку продукту людина отримує вже всередині компанії. Кандидатів для такого навчання найкраще шукати серед розробників на C/C++, випускників електроніки, радіотехніки, мехатроніки і у власній команді.
Офлайн-події та профільні медіа дають доступ до кандидатів, яких немає в онлайн-воронці:
Ці канали розширюють охоплення, але кількість інженерів на ринку вони не збільшують.
Beetroot Academy готує інженерів для defence і dual-use. Ключова освітня програма Embedded Development триває п'ять місяців і поєднує заняття з викладачами-практиками з роботою на реальному залізі; команди можна навчати окремими місцями або виділеною групою.
Повний запис вебінару «Навчати чи наймати: як Defence-компанії закривають дефіцит інженерів» і умови для команд є на сторінці для Defence-компаній.

Розробник з embedded чи backend уже має половину того, що потрібно CV-інженеру: впевнений код, Git, розуміння продуктивності й обмежень системи. Добрати доведеться роботу з даними, основи нейромереж і звичку оцінювати модель метриками замість відчуття «наче працює». У зимовому опитуванні DOU частка Computer Vision Engineer серед дата-фахівців за пів року зросла з 2% до 4% (DOU).
Розберемо, що з твого бекграунду переноситься, чого бракує і як виглядає реалістичний маршрут переходу.
Embedded-інженер мислить буферами, тактами й кілобайтами. Для комп'ютерного зору це сильна позиція, бо зображення в пам'яті і є буфером: висота × ширина × канали, тип даних uint8.
Що переноситься напряму:
Саме цього бракує багатьом ML-спеціалістам. У вакансіях CV Engineer у defence-компаніях окремим пунктом стоїть оптимізація моделей під Jetson та інші embedded-платформи, а C++ значиться бажаною навичкою поруч із Python.
Чого бракує: Python як робочого інструменту для експериментів, PyTorch, розуміння того, як модель вчиться і чому помиляється.
Backend-розробник приносить інженерну дисципліну навколо коду: тести, Docker, CI, API, версіонування. У CV цього часто не вистачає: модель натренували в ноутбуці, а як вона житиме в продакшені, ніхто не продумав.
Що переноситься:
Чого бракує: відчуття заліза. Модель, яка видає 30 кадрів на секунду на серверній відеокарті, на пристрої може видати три. Бекендеру доводиться вчитися мислити обмеженнями пам'яті, енергії та нагріву.
Менше, ніж здається. Щоб працювати з детекторами на практиці, вистачить:
Лінійна алгебра й теорія ймовірностей на університетському рівні знадобляться, якщо підеш у дослідження або розробку нових архітектур. Для прикладних задач детекції, трекінгу й оптимізації більшість інженерів обходиться розумінням на рівні інтуїції і добирає глибину, коли конкретна задача цього вимагає.
Для embedded-розробника крок 6 буде найпростішим, а кроки 3–5 найновішими. У бекендера навпаки.
Роботодавець хоче побачити, як ти розв'язуєш задачу від початку до кінця. Висока точність на чужому датасеті цього не показує. Добрий проєкт має чотири складники: власний датасет, дві ітерації тренування з поясненням, що змінилося, таблицю метрик і запуск на реальному пристрої чи хоча б замір швидкості на CPU.
Ідеї, які можна зробити за кілька тижнів:
Опиши проєкт у README так, як описав би технічне рішення колезі: задача, дані, що не спрацювало, що змінив, які цифри отримав.
У вакансіях українських defence-компаній за 2026 рік повторюється приблизно однаковий набір:
Наприклад, у вакансії Frontline Robotics, опублікованій у липні 2026 року, просили від трьох років досвіду в CV або ML. Це типово для ринку: вакансій для новачків у computer vision мало. Тому найреалістичніший шлях лежить через внутрішній перехід: ти лишаєшся розробником у своїй команді, береш CV-задачі, а за рік маєш комерційний досвід саме в цьому напрямі.
Освітня програма Computer Vision розрахована саме на розробників без ML-досвіду: від року програмування будь-якою мовою, 12 практичних занять, власний детектор і запуск на edge. Якщо ти з software і хочеш спершу розібратися із залізом, почни з Embedded Development.

Computer Vision Engineer створює системи для аналізу зображень і відео: від збору даних і тренування моделі до її роботи в продакшені чи на пристрої. Він поєднує машинне навчання з розробкою, тому в українських вакансіях від нього зазвичай чекають і PyTorch, і впевненого Python, і розуміння того, як модель поводиться на реальному залізі.
Нижче про задачі, стек, зарплати й шлях у професію, з опорою на вакансії 2026 року і дані DOU.
Тренування моделі займає меншу частину роботи, ніж здається. Типовий цикл виглядає так:
Останній пункт часто недооцінюють. Модель, яка добре працювала в день запуску, через кілька місяців може гірше впоратися, бо змінилися освітлення, камера чи самі об'єкти. Це називають data drift, і відстежувати його входить в обов'язки CV-інженера.
Ми переглянули вакансії CV Engineer українських компаній за 2026 рік, зокрема Frontline Robotics і «Атлон Авіа». Повторюється такий набір:
У вимогах Frontline Robotics, наприклад, окремо згадано розуміння real-time обмежень: latency, FPS, пам'ять і продуктивність. Це характерно для продуктових компаній, де модель працює на пристрої. В аутсорсі чи хмарних продуктах акцент зміщується на MLOps, API і масштабування.
Окремої медіани для CV-інженерів у публічних дослідженнях немає. Найближчі дані дає зимове опитування дата-фахівців DOU 2026:
Важливі застереження. Вибірка невелика: 332 фахівці на всі дата-ролі. Медіана не розбита за рівнями, тому в неї потрапляють і джуни, і сеньйори. І тренд за пів року був на зниження.
В оборонній галузі картина інша. За зарплатним звітом DOU літа 2026, розробники з Python у DefTech мають найвищу медіану серед мов: $4500 проти $3500 у розробників в ІТ загалом. CV-інженери в defence-компаніях зазвичай пишуть саме на Python, тож орієнтуватися варто на ці цифри, з поправкою на рівень.
У зимовому опитуванні DOU частка CV-інженерів серед дата-фахівців за пів року подвоїлася, з 2% до 4%. Абсолютно це невелика група, але вона росте.
Вакансій CV Engineer для людей без досвіду мало. У переглянутих вакансіях defence-компаній ішлося про три роки досвіду в CV або ML. Тому найчастіше в професію приходять з суміжних ролей.
Початковий рівень зазвичай виглядає як розробник у команді, який бере CV-задачі: підготовку даних, інтеграцію готової моделі, оптимізацію пайплайна.
Middle самостійно веде задачу від даних до розгортання й вміє пояснити, чому модель помиляється.
Senior обирає підхід і архітектуру під обмеження продукту, оцінює ризики й відповідає за якість моделі після запуску.
Найкоротший шлях веде з розробки. Embedded-інженер приносить розуміння заліза й реального часу, backend-розробник приносить продакшен-дисципліну. Обом бракує роботи з даними й нейромережами. Покроковий маршрут ми описали в статті як embedded- або backend-розробнику перейти в computer vision.
Мінімум, з яким можна претендувати на CV-задачі:
Освітня програма Computer Vision у Beetroot Academy веде розробників без ML-досвіду від обробки зображень до власного детектора, його супроводу після деплою і запуску на edge: 12 практичних занять. Загальний огляд напряму є в гайді Комп'ютерний зір: що це і як працює.

Комп'ютерний зір (computer vision, CV) є галуззю штучного інтелекту, яка вчить програми знаходити й розпізнавати об'єкти на зображеннях і відео. Камера дає лише масив чисел. Завдання CV полягає в тому, щоб перетворити ці числа на відповідь: що на кадрі, де саме і що з ним відбувається.
Нижче про те, як це працює, які задачі розв'язує комп'ютерний зір, де його вже використовують і як увійти в напрям, якщо ти пишеш код або працюєш із залізом.
Для програми фото є таблицею чисел. Кольорове зображення 640×480 пікселів зберігається як масив 480×640×3: висота, ширина і три канали кольору. Кожне значення від 0 до 255 описує яскравість червоного, зеленого або синього в одній точці.
З цим масивом можна працювати двома способами.
Класичні алгоритми. Інженер сам описує правила: розмий шум, знайди краї, виділи контури, порахуй об'єкти. Цим займається бібліотека OpenCV. Такий підхід швидкий, передбачуваний і добре працює там, де умови стабільні: однакове освітлення, однаковий фон, однакові деталі на конвеєрі.
Нейромережі. Правила не пишуть вручну. Модель показують тисячі розмічених прикладів, і вона сама підбирає фільтри, які відрізняють один клас від іншого. Згорткова мережа (CNN) по суті робить те саме, що й класичний фільтр, тільки її ядра налаштовуються на даних. Сучасні детектори на кшталт YOLO та RT-DETR будуються на цьому принципі.
На практиці ці підходи поєднують. Нейромережа знаходить об'єкт, а класичний алгоритм уточнює його межі чи рахує розміри.
Найчастіше в продуктах трапляються детекція і трекінг. Саме з них зазвичай починають навчання, бо результат видно одразу: рамка або з'являється на правильному місці, або ні.
Споживчі продукти. Фільтри, які накладають маски на обличчя, розумні камери, що відрізняють людину від кота, сканери документів у банківських застосунках. Частина таких продуктів створена в Україні: у програмі Computer Vision Beetroot Academy окремо розбирають кейси Looksery (згодом Snapchat), Reface, Ajax Systems і Petcube.
Промисловість. Контроль якості на лінії, де камера шукає подряпини й відколи швидше за людину. Підрахунок продукції, перевірка маркування, моніторинг безпеки на виробництві.
Агро. Виявлення хвороб рослин за фото листя, оцінка стану посівів з аерознімків, сортування врожаю.
Медицина. Допомога лікарю в аналізі рентгенівських і МРТ-знімків. Остаточне рішення тут ухвалює людина, а модель підсвічує ділянки, на які варто подивитися.
Робототехніка й dual-use. Автономні роботи, складські системи, аналіз аерофото і тепловізійних даних. Для інженера це ті самі алгоритми, тільки дані інші: кадр знято згори, об'єкти дрібні, а тепловізор дає одноканальне зображення замість кольорового.
Штучний інтелект є найширшим поняттям. Машинне навчання є його частиною: програми, які вчаться на даних замість прописаних правил. Комп'ютерний зір є прикладною областю, де машинне навчання застосовують до зображень і відео.
Звідси практичний висновок для кар'єри. CV Engineer зазвичай знає ML-основи, але глибоко працює з одним типом даних і з обмеженнями заліза, на якому модель має працювати. Детальніше про роль ми написали в статті Computer Vision Engineer: хто це і що робить.
Базовий набір, з яким працюють у більшості команд:
Для старту достатньо Python і Google Colab: GPU для тренування Google надає безкоштовно, тож власна відеокарта на першому етапі не потрібна.
Найкоротший шлях має той, хто вже програмує. Досвіду з machine learning для старту не треба. Вища математика теж не є обов'язковою умовою: щоб працювати з детекторами, вистачить розуміння масивів і матриць, а складніші речі засвоюються на практиці.
Типова послідовність виглядає так:
Один із цих кроків ми розібрали у окремій статті, як embedded- або backend-розробнику перейти в computer vision.