.png)
Під час навчання у виші я займалася нерухомістю. Після отримання освіти не покинула цю сферу, і паралельно працювала у міжнародному аеропорті «Харків». Спочатку доглядала за віп-залом для пасажирів. Зазвичай це були бізнесмени, багато іноземців, і їх треба було не просто провести на посадку, але й допомогти з безліччю інших речей. Тож для мене це був величезний досвід не тільки у практиці з англійської мови, але й етикету та бізнес-етикету.
У 2012 році країна готувалася приймати чемпіонат UEFA Euro. Мене з колегами покликали допомагати з прийомом іноземних комісій, які перевіряли готовність летовищ. Завдяки комунікаційним здібностям мене помітили, і згодом я потрапила до комерційного відділу аеропорту. Там я займалася комунікацією з закордонними партнерами, а також рекламою. Саме під час роботи на цій посаді я вперше зіткнулася зі сферою ІТ.
У 2012 році компанія вже розуміла, що потрібно мати зручний сайт, презентувати себе у соцмережах. І ми звернулися за допомогою до ІТ-компанії, яка нам допомагала розвивати діджитал-послуги аеропорту, зокрема застосунку.
Я тоді виступала як Product Owner, тобто казала підряднику що і як повинно бути. Діяла нативно, без спеціальних якихось знань, наприклад, намагалася видавати requirements, якими я зараз займаюся як бізнес-аналітик. На цій посаді я працювала 5 років, і цей досвід наблизив мене до розуміння сфери.
Згодом я вийшла заміж, народила дитинку. Ми з чоловіком вирішили відкрити власний бізнес – сервіс здорового харчування ЁFOOD. Фірма була маленька, але в нас був замкнений цикл: своя кухня, доставка, торговельний та маркетинговий відділи. Авжеж в нас був і сайт, і соцмережі, до застосунку, правда, так і не дійшло. І всім цим треба було управляти.
Завдяки власному бізнесу я отримала навички управлінця: планувати доводилося як на короткі, так і на довгі терміни, необхідно було управляти людьми, а також приймати рішення – не тільки швидко, але й осмислено. Я багато читала книжок по менеджменту, продажам, відвідувала різні професійні заходи та івенти. Там завжди можна з кимось познайомитися та щось корисне для себе дізнатися.
До речі, ще з часу навчання в університеті, а потім паралельно з роботою в аеропорті, я займалася нерухомістю. Завдяки роботі в агенції нерухомості загартувалася моя навичка з тайм-менеджменту. Коли працюєш на двох роботах, треба своїм часом керувати, а коли ти працюєш з нерухомістю – необхідно не тільки власним часом раціонально розпоряджатися, але й управляти часом клієнта. До того ж в агенції нерухомості було багато документації, і я навчилася з нею добре працювати.
Після 5 років ведення власного бізнесу, я зрозуміла, що ЁFOOD вже не потребує від мене такого значного внеску часу та сил. Тож я знову поринула у сферу нерухомості, і за два роки стала директором з управління одного з філіалів «АН Харків Ріелтор». Останній рік перед повномасштабним вторгненням росії в Україну під моїм керівництвом працювало 25 співробітників. Також у цей час я мала змогу знову долучитися, так би мовити, до ІТ.
У агенції використовувалася програма, яка вела фінансові підрахунки. Вона була складна та заплутана, трохи подібна до CRM. Там велись всі наші активності й щодо клієнтів, і щодо співробітників, також вносились договори – попередній, фінальний з купівлі-продажу тощо. І ця програма теж розраховувала заробітну платню, у тому числі агентів, а також загалом забезпечувала багаторівневий фінансовий розрахунок. Разом з адміністратором я поринула у цю програму, і ми намагалися якось її вдосконалити. Тобто тут я знову виступала я Product Owner і частково вже як бізнес-аналітик.
Після 24 лютого 2022 року я виїхала за кордон. Тоді я вже розуміла, що потрібно розвиватися далі з тими навичками, які вже мала. Для мене цікавою була сфера з валютним доходом і можливістю працювати віддалено – це IT. Але я не просто прагнула отримати роботу в ІТ, я хотіла мати професію, у якій я не вигорю через рік, і до якої в мене справді є хист.
Я дуже довго спілкувалася з усіма своїми друзями: хтось шукав роботу, а хтось вже працював у ІТ. Мій чоловік (він фул стек девелопер зараз) тоді теж шукав роботу і якось сказав, що бачить мене у сфері IT ніким іншим, як бізнес-аналітиком, і порадив поцікавитися цією професією. І я поцікавилася.
Цікавилася я близько 2 місяців. А саме: дивилася безліч відео на Ютубі (так і друкувала у пошуковому рядку «хто такий бізнес-аналітик», «плюси та мінуси роботи бізнес-аналітиком», «бізнес-аналітик хто підходить» тощо). Потім я знову йшла до своїх друзів і знову спілкувалася. Серед них я знайшла того, хто вже працював бізнес-аналітиком, і провела з ним мініінтерв'ю. Я підготувала список питань, але в основному мене цікавили відповіді на наступні: «Яким був твій шлях?», «Як ти прийшов до цієї професії?».
Ніхто з тих, з ким я взагалі спілкувалася, не прийшов на посаду бізнес-аналітика з університетської лави. Я зрозуміла, що це та сама професія, де недостатньо мати профільну освіту, важливо набути певний досвід – у менеджменті, торгівлі, роботі у корпорації тощо. І я виявила, що володію таким «плюсом».
Також цікавим відкриттям для мене стало те, що до бізнес-аналітика у сфері ІТ зазвичай «доростають» з позиції HR-менеджера, фахівця з QA або приходять з адміністративного корпусу, наприклад, продакт-менеджери, продакт-овнери.
Та я вирішила, що такий шлях для мене занадто довгий – я одразу буду орієнтуватися на бізнес-аналітика без проміжних посад. Але для цього мені потрібно пройти навчання, курси, щоб я показала, що я маю теоретичну базу та можу працювати.
Щоб знайти місце навчання, де мені дадуть гарні знання, я знову звернулася до друзів-айтівців. Багато з них вже давно були у професії, закінчували якісь курси, а певна частина навчалася свого часу саме у Beetroot Academy.
Один з друзів порекомендував мені дві школи. Я подивилася їх обидві, порівняла умови, пропозиції тощо. Академію обрала за те, що тут був курс для початківців у сфері бізнес-аналітики. До того ж у Beetroot Academy обіцяли допомогти з підготовкою резюме до пошуку роботи. А ще в межах курсу є пробна співбесіда, що, на мій погляд, дуже важливо.
Влітку 2022 року я працювала у Греції у туристичному магазині, щоб заробити на життя. В сезон магазин працює допізна та ще й без вихідних. Тож про навчання й годі було думати. Я вирішила, що почну активно рухатися в цьому напрямку з осені.
Саме на осінь 2022 року припали мої пошуки. В грудні 2022 року я знайшла Beetroot Academy, оплатила курс і у січні 2023 року почалися заняття. Курс тривав 3 місяці. Викладала у нас Марина Кудінова.
Величезним плюсом було те, що на курсі в Академії нам давали матеріали англійською. Не дивлячись на те, що я вивчала іноземну мову у виші, потім спілкувалася з іноземцями по роботі, я продовжувала вчити мову. Для цього я використовувала застосунок DuoCards.
На мій погляд, було дуже корисним те, що всі матеріали давали англійською мовою. Завдяки цьому у мене саме в процесі навчання сформувалися правильні фрази, які я зараз застосовую, і якими я змогла скористатися на співбесіді, що явно вразило тих, хто проводив зі мною job interview.
Мене взяли на роботу не тільки за те, що я маю класний менеджерський досвід, у компанії були вражені моїми теоретичними знаннями.
Колеги й зараз мені кажуть: «З тобою і робити було нічого, ти робила сама. Тебе тільки треба було трохи коригувати щодо практики й все».
Стосовно бізнес-аналітики, я не можу сказати, що після курсів під час роботи я якусь нову планету відкрила. Знань вистачило, з горою. Все, що ми вивчали в Академії – все воно застосовується на практиці.
Викладачка Марина Кудінова запам’яталася тим, що дуже уважно ставилася до практичних завдань. Коли я прийшла на роботу, то вже не боялася писати, наприклад, акцепти, тому що я вже до цього їх багато написала. І наш проєкт, який ми робили протягом курсу, це теж дуже допомогло.
Коли я розказала це своєму ментору, вона була дуже задоволена. Наприклад, вона була рада, що я вже знаю, що таке BPMN, і можу зробити User journey. Всі ці теоретичні знання мають бути в голові бізнес-аналітика, тому що на практиці підходи змішуються, перетворюються на якийсь інший – третій підхід, який на цей момент зручний для команди, для компанії. І це дуже гарно, що можна в своїй голові генерувати новий підхід з уже наявних знань.
Оскільки я дуже багато комунікувала зі своїми друзями з ІТ-сфери, зокрема ставила різні питання на етапах пошуку, то всі вони знали, що я вчуся на бізнес-аналітика. І один з них під кінець мого курсу пише: «У нас в компанії “Джей біл” саме зараз потребують trainee бізнес-аналітика. Ти ж там вже готова чи як?».
А я насправді ще не дуже готова була – в нас ще два тижні навчання були попереду. І я була впевнена, що все найважливіше чекає нас протягом цих двох тижнів. Але друг мені сказав: «Спокійно, це велика компанія, і поки вони «доїдуть» до співбесіди, ти вже закінчиш свої курси. Тож давай зараз швиденько робити твоє резюме».
І я пам’ятаю, що все кинула, навіть домашки пропустила (але потім все наздогнала). У той час фокус перейшов на резюме, ми його дійсно дуже ретельно переглядали. Мені допомагав друг, а також рекрутери з Академії До речі, на курсі якраз прийшов час, коли нам дали можливість поспілкуватися з рекрутером, тому я показала фахівцю саме це резюме.
Завдяки гарно складеному CV я сподобалася, потім мене запросили на співбесіду. Звичайно, на це місце претендувала не я одна, кожен в компанії тоді запропонував когось від себе, тобто конкуренція з 10-15 людей була. Але згодом офер дали саме мені.
Я не можу сказати, що мені просто пощастило, адже, щоб трапилася така можливість я активно комунікувала з друзями, знайомими, розповідала про свої прагнення, плани. І досить закономірно, що «хвилі від кинутого каменю» дійшли туди, куди потрібно.
Навчання у Beetroot Academy я закінчила у березні, а з 12 червня вже почала працювати трейні бізнес-аналітиком у «Джей біл». Дійсно, поки ми «доїхали» від резюме до першої співбесіді, потім до другої, пройшов певний час. Для великих компаній це нормальна практика.
Потім мені довелося ще місяць відпрацювати у туристичному магазині. Також для співпраці потрібно було оформити підприємницьку діяльність, щось на кшталт нашого ФОПа. А у Греції все це відбувається не так швидко.
Мені запропонували посаду trainee бізнес-аналітик на 3 місяці. А за 10 днів я вже залишилася сама на проекті, оскільки ментор і колега, яка була бізнес-аналітиком у команді, пішла у відпустку. Коли вона повернулася, то побачила, що я справляюся, і ще за 10 днів її перевели до іншої команди, а я залишилася з поточною командою.
Я не можу сказати, що була готова до такого повороту, але виходила з того, що мала. Насправді я потрапила до компанії, де дуже складна доменна зона. Я працюю з промисловими метриками, і цих заводів дуже і дуже багато, понад 70, здається. І вони займаються різним. Як мені потім сказали, людям зазвичай потрібно до півроку, щоб розібратися з цими доменами. У мене на це пішов місяць, при цьому я ще й картала себе, що не зрозуміла все це за пару тижнів.
Взагалі для trainee у компанії є тренінг-план. Ось ти сьогодні 10 сторінок читаєш, завтра щось пишеш – тобто така собі друга Академія, куди ти потрапив, і тобі теж потрібно 3 місяці теж саме вивчати. Але в мене вийшло трошки не так.
Мені казали, що трейні залишаються десь 3-5 місяців, але я себе досить добре показала, тож отримала пропозицію перейти на джуна і, звичайно, погодилася.
Тим, хто прагне змінити професію чи сферу діяльності, я раджу:
1. Комунікувати зі всіма, з ким можна, з приводу того, що ви шукаєте роботу. Мені це справді дуже допомогло.
2. Не припиняти вивчати англійську мову, навіть якщо ви вважаєте, що ви нею достатньо володієте.
3. Завжди робити більше, ніж від тебе очікують – і в навчанні, і в роботі.

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.