Однією з тенденцій, яка вже давно набирає обертів, є перехід на віддалену роботу. Пандемія COVID-19 прискорила це впровадження, і багато компаній зараз усвідомлюють переваги розподіленої робочої сили. Ця тенденція, ймовірно, збережеться в найближчі роки, і все більше компаній пропонуватимуть гнучкий графік роботи та можливість працювати з будь-якого місця.
Дистанційна робота також збільшила використання таких інструментів як відеоконференції та програмне забезпечення для управління проєктами, які є важливими для віддалених команд. Перехід на віддалену роботу також відкрив можливості для ІТ-спеціалістів у різних куточках світу, оскільки компанії більше не обмежуються найманням працівників з певної географічної локації.
Згідно з опитуванням, проведеним FlexJobs, більшість працівників зацікавлені в тому, щоб продовжувати працювати віддалено або в гібридному робочому середовищі. Опитування Career Pulse, проведене в липні-серпні 2022 року, показало, що 65% респондентів хотіли б працювати віддалено повний робочий день, а 32% віддають перевагу гібридному робочому середовищу. Це свідчить про те, що значна частина робочої сили, приблизно 97%, зацікавлена в тій чи іншій формі віддаленої роботи. Крім того, опитування показало, що велика кількість респондентів, 57%, розглядають можливість звільнення з поточної роботи, якщо варіанти віддаленої роботи будуть недоступні. Про це повідомляє Forbes. Завдяки цій тенденції, завдяки широкому спектру курсів, доступних в Beetroot Academy, ви можете освоїти професію, яка дозволить вам працювати з будь-якої точки світу.
Ще одна тенденція, яку ми можемо очікувати, — це висхідний попит на фахівців з конкретними наборами навичок. З розвитком нових технологій, таких як штучний інтелект, наука про дані та інтернет речей, зросте потреба у кваліфікованих фахівцях у цих галузях. Компанії також шукають фахівців з досвідом роботи в нових технологіях, оскільки вони прагнуть бути на крок попереду і залишатися конкурентоспроможними у світі, де все більше переважають технології.
Крім того, зберігатиметься потреба у фахівцях з більш традиційними навичками, такими як розробка програмного забезпечення та кібербезпека. Оскільки технологічний ландшафт продовжує розвиватися, фахівцям важливо бути в курсі новітніх технологій і постійно опановувати нові навички.
Дослідницький центр Pew Research Center оприлюднив статтю про тенденції конвергенції технологічних, соціальних та гуманітарних навичок до 2025 року. Там ти знайдеш більше інформації, яка проллє світло на глобальний розвиток інформаційних технологій у майбутньому.
Розвиток технологій також означає, що зросте потреба у фахівцях, які зможуть подолати розрив між ІТ та іншими галузями. Наприклад, зростатиме попит на технічних спеціалістів з досвідом роботи в бізнесі, маркетингу чи дизайні.
Ці фахівці можуть використовувати свої технічні навички для стимулювання інновацій та зростання в нетехнологічних галузях. Також будуть потрібні фахівці, які мають глибоке розуміння специфіки конкретних галузей, таких як охорона здоров'я, фінанси або роздрібна торгівля, і можуть використовувати свої технічні знання для стимулювання інновацій та розв'язання проблем, притаманних лише цим секторам. Для людей з великим досвідом роботи в різних сферах Beetroot Academy пропонує курси, які не потребують попередньої технічної підготовки.
Також дуже помітною тенденцією є постійне зростання значення м'яких навичок у технологічній індустрії. Інженери повинні ефективно спілкуватися і добре працювати в команді, оскільки технології стають все більш інтегрованими в усі аспекти нашого життя. Компанії шукатимуть кандидатів, які вміють критично мислити, розв'язувати проблеми та адаптуватися до змін.
За даними Forbes, потреба в м'яких навичках, які машини не можуть відтворити, зростає з розвитком технологій. У звіті Deloitte за 2017 рік прогнозується, що до 2030 року професії з м'якими навичками становитимуть дві третини всіх робочих місць. Крім того, у звіті підкреслюється, що наймання працівників із сильним набором м'яких навичок може призвести до збільшення доходу більш ніж на 90 000 доларів США.
З ростом використання автоматизації та штучного інтелекту від ІТ-працівників вимагатиметься цілий ряд навичок, які доповнюють ці технології, таких як креативність, емоційний інтелект та розв'язання проблем. Для програмістів, які прагнуть досягти успіху у швидкозмінному, взаємопов'язаному світі, важливими будуть навички комунікації та співпраці.
Наступна тенденція, яку ми можемо очікувати на світовому ринку ІТ-талантів, — це попит на професіоналів з різним досвідом роботи. Компанії визнають переваги різноманітно професійного досвіду й шукатимуть ІТ-фахівців, які мають різні точки зору та бекграунд. Це, ймовірно, буде особливо важливо, оскільки компанії прагнуть обслуговувати глобальний ринок і задовольняти потреби різноманітних клієнтських баз.
Різноманітність в ІТ-сфері також поширюється на навички та досвід, і компанії шукатимуть ІТ-фахівців з широким спектром технічних і нетехнічних навичок. Такий підхід може принести нові ідеї та підходи до розв'язання проблем і допомогти компаніям краще розуміти та обслуговувати своїх клієнтів.
Загалом, у 2024 році світовий ринок ІТ-талантів буде більш конкурентним, ніж будь-коли. Високий попит матимуть технічні спеціалісти, які будуть в курсі новітніх технологій та володітимуть різноманітними навичками та досвідом. Люди, які вміють адаптуватися до мінливих потреб ринку та мають сильні м'які навички, можуть мати більше шансів на успіх у цій постійно мінливій галузі.
На додаток до вищезгаданих трендів, є ще кілька тенденцій, які ми можемо очікувати на ринку технологічних талантів у 2024 році. Однією з них є увага галузі до питань сталого розвитку та соціальної відповідальності. Оскільки занепокоєння щодо впливу технологій на навколишнє середовище продовжує зростати, компанії, ймовірно, шукатимуть технічних спеціалістів, які захоплені ідеями сталого розвитку та можуть допомогти у впровадженні екологічних ініціатив. Крім того, все більше уваги приділятиметься ролі, яку технології можуть відігравати у вирішенні соціальних та економічних проблем, таких як бідність та нерівність. Розробники, які зможуть продемонструвати свою прихильність до позитивного впливу на світ, будуть мати попит.
Багато хто також помітив, що в індустрії все частіше потребують фрилансерів та підрядників. Оскільки все більше компаній переходять на гнучкий графік роботи, зростає потреба в технічних спеціалістах, які можуть працювати над окремими проєктами. Фрилансери та підрядники пропонують компаніям можливість залучати спеціалізовані навички та досвід за потреби. Вони можуть бути економічно вигідним рішенням для компаній, які шукають спеціалістів на певні посади.
Нарешті, очікується продовження акценту на важливості підвищення кваліфікації та навчання впродовж життя в технологічній галузі. За даними Оксфордського університету, навчання впродовж життя є ключовим аспектом успішної відповідності глобальним тенденціям технічного та соціального розвитку.
Оскільки темпи технологічних змін продовжують прискорюватися, для розробників може бути важливим бути в курсі новітніх технологій та передових практик. Це передбачає прихильність до постійного навчання та розвитку через традиційну освіту або самонавчання. Кандидати, які зможуть продемонструвати свою відданість навчанню впродовж життя, можуть досягти успіху у 2024 році.
Отже, у 2024 році світовий ринок технологічних талантів буде більш конкурентним, ніж будь-коли. Найбільший попит матимуть кандидати, які в курсі новітніх технологій і володітимуть різноманітними навичками та досвідом. Ті, хто вміє адаптуватися до мінливих потреб ринку та демонструє сильні м'які навички, як правило, є більш конкурентоспроможними в цій динамічній галузі. Ті, хто може прийняти різноманітність, інклюзивність, сталий розвиток і навчання впродовж життя, також матимуть хороші шанси на успіх у світі, що швидко змінюється і стає все більш взаємопов'язаним. Це великий виклик, але якщо ти хочеш розпочати кар'єру в ІТ, то обирай навчитися всіх необхідних навичок у справжніх професіоналів, які викладають в Beetroot Academy.

Щоб навчити YOLO на своїх даних, потрібні чотири речі: кілька сотень розмічених зображень, файл конфігурації датасету, готова модель як стартова точка і кілька рядків коду на Python. Ultralytics зводить саме тренування до однієї команди. Решта роботи, і вона важливіша, полягає в даних і в аналізі помилок.
Нижче повний цикл на прикладі детектора дефектів на деталях: від розмітки до експорту моделі в ONNX.
YOLO (You Only Look Once) є сімейством детекторів, які за один прохід по зображенню знаходять усі об'єкти й видають рамку, клас і впевненість для кожного. Модель швидка, має готові ваги для старту і бібліотеку, де тренування, валідація й експорт викликаються однаково.
Актуальна версія від Ultralytics називається YOLO26 і офіційно випущена 14 січня 2026 року. За даними Ultralytics, модель видає фінальні передбачення без окремого кроку NMS, у неї прибрали DFL для простішого експорту, а версія nano працює на CPU до 43% швидше за YOLO11. Підтримуються класифікація, детекція, сегментація, оцінка пози, повернуті рамки й трекінг.
Про ліцензію. Ultralytics поширює модель під AGPL-3.0 для навчання й open-source проєктів. Для використання в комерційному продукті потрібна Enterprise-ліцензія. Перевір це до того, як закладати YOLO в архітектуру продукту.
Для першої ітерації вистачить 300–500 зображень на клас, якщо об'єкти помітні й умови зйомки схожі на реальні. Важливіше за кількість різноманіття: різне освітлення, ракурси, фон, частково перекриті об'єкти.
Розмічати зручно в Roboflow або CVAT. Обидва вміють експортувати у формат YOLO, де кожному зображенню відповідає текстовий файл із рядком на кожен об'єкт:
0 0.512 0.430 0.120 0.085Перше число означає клас, далі йдуть координати центру рамки, її ширина й висота. Усі значення нормалізовані від 0 до 1 відносно розміру зображення.
Структура папок:
datasets/defects/
images/train/ images/val/
labels/train/ labels/val/path: datasets/defects
train: images/train
val: images/val
names:
0: scratch
1: chipВалідаційна вибірка має бути незалежною від тренувальної. Якщо ти нарізав кадри з одного відео, не клади сусідні кадри в різні вибірки: вони майже ідентичні, і метрики вийдуть завищеними. Діли за відео або за днями зйомки.
from ultralytics import YOLO
model = YOLO("yolo26n.pt") # стартові ваги, версія nano
model.train(data="data.yaml", epochs=100, imgsz=640)
metrics = model.val()
Те саме з термінала:
pip install ultralytics
yolo detect train data=data.yaml model=yolo26n.pt epochs=100 imgsz=640
Тренувати можна в Google Colab на безкоштовному GPU. Невеликий датасет на кілька сотень зображень навчається за десятки хвилин.
Який розмір моделі обрати. YOLO26 має версії nano, small, medium, large та extra large. Починай з nano або small: вони швидко тренуються і показують, чи є в даних сигнал. Більша модель має сенс, коли ти вже вичерпав можливості даних, а пристрій, на якому працюватиме детектор, витримає навантаження.
Одна цифра нічого не каже без контексту задачі. Детектору дефектів на лінії важливіший recall: пропущений брак коштує дорожче, ніж зайва перевірка. Системі сповіщень у застосунку важливіша precision, бо хибні тривоги користувач швидко вимкне.
Після тренування Ultralytics зберігає графіки й confusion matrix у папці runs. Подивись, які класи модель плутає, і відкрий самі зображення з помилками. Цифри покажуть, що щось не так, а картинки покажуть, що саме.
Найчастіші причини слабких результатів:
Ітерація виглядає так: знайти помилки, зрозуміти причину, змінити дані, перетренувати, порівняти метрики. Дві-три таких ітерації зазвичай дають більше, ніж перехід на більшу модель.
model.export(format="onnx")
ONNX є універсальним форматом, який запускається через onnxruntime на CPU, а також конвертується в TensorRT для Jetson чи в інші формати для прискорювачів. YOLO26 офіційно експортується в ONNX, TensorRT, CoreML та OpenVINO.
У освітній програмі Computer Vision fine-tuning YOLO26 на власному датасеті займає центральну частину курсу: розмітка в Roboflow, тренування, аналіз помилок, друга ітерація й експорт в ONNX. Базові поняття комп'ютерного зору зібрані в окремому гайді.

Павло Терехов служить у війську механіком дронів. До мобілізації він розробляв високонавантажені системи, трохи волонтерив і почав розбиратися в дронах, коли це ще не було масовою темою. Тепер він випускник освітньої програми Embedded Development у Beetroot Academy.
На програму Павло прийшов уже з досвідом у дронах, але хотів зрозуміти, як працюють розумні пристрої й додаткові плати, які на дрони встановлюють. Вчитись було важко, каже він, але вчителі завжди йшли назустріч.
У війську Павло працює за профілем, з дронами, тож досвід у нього був. Бракувало іншого: треба було розбиратися не лише в самих дронах, а й в «аксесуарах», тобто додаткових платах і модулях, і розуміти, як «подружити» різні пристрої між собою.
Головною метою Павло називає саме це: розібратись на просунутішому рівні, як працюють розумні пристрої та додаткові плати на дронах.
Павлу сподобався підхід програми, і найбільше практичні речі: час, кількість занять і матеріали.
Навчання далося нелегко, і Павло цього не приховує. Підтримку він теж памʼятає: «Вчитись було важко, але вчителі завжди йшли назустріч і допомагали».

Домашні завдання програми він переробляв під «дронове» застосування.
Після програми Павло краще розуміє, як працює пристрій. Через це інакше проходять розмови з постачальниками: він говорить предметніше й пояснює, що саме потрібно від обладнання.
У планах зробити корисні пристрої для роботи.


У вільний час Павло збирає власні пристрої. Один із них називається AlertInUA: автономний настільний індикатор повітряних тривог України. Він працює цілодобово, сам підлаштовує яскравість, а код проєкту відкритий. Основа: плата LilyGO T-Display на ESP32, прошивка на FreeRTOS.

На екрані карта областей з поточними тривогами. Налаштовується пристрій через власну точку доступу Wi-Fi. На макетній платі поруч з дисплеєм є світлодіоди та зумер.
Паралельно він працює над ще одним проєктом: зробив Telegram-бота підтримки, додав його на лендінг і в застосунок, виправив дрібні баги й прибрав тестові дані.

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.