Машинне навчання змушує комп'ютери робити те, що роблять люди – вчитися на власному досвіді. Ти самостійно порахуєш, за скільки продати авто, або скільки потрібно текіли для "маргарити" на п'ятьох друзів. Але іноді потрібно обчислювати складніші завдання й врахувати сотні факторів, а люди занадто ледачі, та не все тримають в голові.
Нехай хтось інший подивиться на дані, проаналізує, знайде закономірність і навчиться передбачати відповіді для нас, ледачих. Наприклад, машина. Так, ми можемо її навчити.
Медіа-сайти використовують машинне навчання, щоб рекомендувати конкретну пісню або фільм. Ритейлери – щоб відстежувати нашу з тобою поведінку, як покупців. Ще його використовують в додатках розпізнавання голосу, для впізнавання облич, трейдингу, й навіть в медицині, наприклад – для виявлення пухлин. Одним словом – майже всюди.
Ти хочеш влаштувати вечірку і зробити добре всім?
Хтось їсть м'ясо, хтось – лиш рибу, інші п'ють, але не всі. Одні – ігристе, інші – червоне. Хтось слухає джаз, а хтось – панк-рок. Внутрішній івент менеджер вже з'їхав з глузду. Тут тобі могла б допомогти навчена машина.
"Навчай мене", – сказав комп'ютер
Щоб навчити машину, потрібні три прості (або не прості) речі:
Дані (Data). Тут працює правило: “Чим більше – тим краще”. Звичайно, краще для машини, а не для тебе. Можна забути врахувати чиюсь алергію на морепродукти, чи нелюбов до просеко.
Машині простіше видавати правильний результат, коли вона має багато точних даних. Хочемо розуміти інтереси користувача – потрібні його лайки й пости (привіт, соцмережі й контекстна реклама). Хочемо визначати спам – потрібні приклади спам-листів. Хочемо обрати універсальне меню для вечірки – потрібно врахувати смакові переваги й заборони всіх гостей.
Дані збирають вручну, або автоматично. Найрозумніші компанії використовують для цього нас із тобою. ReCaptcha, коли тебе просять вибрати пальми на зображенні й переконатися, що ти не робот – це воно.
Ще потрібні ознаки (Features). Це описи даних, залежно від мети – пробіг автомобіля, стать користувача, його дієта або улюблений музичний жанр. Машина має знати, на що конкретно їй дивитися. Круто, коли дані – це таблиця, назви колонок і є ознаками (фічами).
І алгоритми (Algorithms). Їх багато, і одну задачу можна вирішити різними методами майже завжди. Вибір алгоритму впливає на точність, швидкість роботи й розмір готової моделі. Потрібно підібрати найвірніший метод.
Важливо розуміти одне – якщо даних замало, або вони не точні, не допоможе навіть найкращий алгоритм. Збирай більше даних.
Машина може передбачити, запам'ятати, відтворити й обрати найкраще. Але не може вийти за рамки завдання й створити щось нове. Наприклад – нагадати, що ти забув запросити Валеру на свою вечірку, якщо його заздалегідь не було у списку запрошених. Але може врахувати, що Валера п'є лише пиво, й не любить помідори.
Види машинного навчання
Ми не планували залазити в хащі й розповімо тільки про класику. Буває, п'яту годину дивишся Youtube через рекомендовані до перегляду ролики – це робить свою справу алгоритм навченого Youtube.
Класичне навчання буває з вчителем (Supervised Learning), і без (Unsupervised Learning).
Розберемося, хто такий вчитель. Метод з ним передбачає, що машина має вчителя, який говорить, як правильно. І що дані заздалегідь розбиті на категорії. Ти показуєш машині фото Валери (все-таки не забуваєш про нього, молодець) і вказуєш, що це хлопець. І фото Альони з позначкою, що вона дівчина.
Без вчителя складніше – ти показуєш фотографії всіх і просиш машину самостійно розібрати запрошених на групи.
З вчителем простіше й точніше
Завдання з вчителем є двох типів: класифікація – розділить всі музичні побажання гостей за жанром і ти складеш оптимальний плейлист (прогноз категорії об'єкта), і регресія – підкаже, коли краще почати вечірку щоб все доїхали без заторів (прогноз місця на числовій прямій).
Класифікація – найпопулярніший метод в машинному навчанні, вона розділяє об'єкти за заздалегідь відомою ознакою: кросівки за брендом, музику за жанром, статті за мовою й рубриками.
Cюди входять такі алгоритми: Наївний баєсів класифікатор, Дерева Рішень, Логістична Регресія, K-найближчим сусідам, Метод Опорних Векторів.
Регресія працює майже так само, як класифікація, тільки з числами замість категорії. Вона добре справляється з завданнями, де є залежність від часу: аналіз попиту і продажів, пробки на дорозі в різний час доби. Якщо зовсім просто – малює лінію вздовж точок, яка в середньому відображає залежність.
Машинне навчання, штучний інтелект і повстання роботів
Коли машина вже знає, як правильно, автоматично з'являється і зворотна сторона – як неправильно. Якщо якась ознака (фіча) не вписується в модель – ти теж можеш це відстежити. Наприклад, в медицині на МРТ.
Чим простіші дані (цифри, таблиці, літери), тим простіші алгоритми. Зображення та обличчя – вже складніше завдання, тут допоможуть нейромережі, власне для чого їх і вигадали.
Важливо розуміти тільки одне, що нейромережі це лише один з видів машинного навчання. А машинне навчання, своєю чергою, лише розділ штучного інтелекту, нехай і один з найважливіших.
Машини вміють багато, але не все. Так що повстання не буде. А якщо це і станеться, то влаштуй прощальну вечірку й не забудь запросити Валеру.
Людина з продуктового IT звикла, що задача приходить у Jira, добре описана, і на неї є два тижні. У defence за цей час продукт може встигнути пройти випробування, отримати фідбек з фронту, змінитися — і знову повернутися на випробування. Тому задача, яка була пріоритетною в понеділок, уже за кілька днів може поступитися зовсім іншій.
За спостереженнями BazaIT Defense, від 70 до 80% кандидатів у технічному напрямі приходять саме з класичного IT: software, AI/ML, Computer Vision, embedded. Сильних спеціалістів серед них багато. Перехід в deftech часто не складається з іншої причини: людина уявляє роботу в defence так, як вона виглядає у зрілій продуктовій компанії, а конкретна команда живе в іншому ритмі.
Ми попросили Оксану Горбунову, CEO BazaIT Defense, пояснити, як влаштована культура defence tech і що з цим робити кандидату.
У продуктовому IT роботу планують від бізнес-плану і roadmap. У defence на продукт дуже сильно впливає те, що відбувається на фронті.
«Команда може мати план на кілька місяців, але отримати фідбек від військових, який змінює пріоритети буквально на наступний тиждень. Те, що ще вчора було важливою фічею, сьогодні може поступитися проблемі, яку потрібно вирішити максимально швидко», – каже Оксана.
Друга причина в тому, що компанії ростуть дуже швидко. За короткий час невеликий R&D-стартап стає компанією з виробництвом і сотнями людей, і процеси не завжди встигають за цим ростом. Третя: R&D, тестування і виробництво тут часто йдуть одночасно. Продуктом уже користуються, а команда паралельно тестує наступну версію, змінює конструкцію чи софт і масштабує виробництво.
Тому менша передбачуваність сама по собі ще не означає поганий менеджмент. Але Оксана радить тримати межу: «Важливо розрізняти цю специфіку і звичайний організаційний хаос. Не кожну відсутність процесів варто пояснювати тим, що „це defence“».
З'являється новий сценарій використання, проблема під час експлуатації або змінюються умови на полі бою, і команда переключається. Найсильніше це відчувають продуктові та R&D-команди, які постійно отримують фідбек від військових.
Тримати фокус допомагає розуміння, чому пріоритет змінився. Коли ти бачиш зв'язок між своєю задачею і реальною потребою користувача на фронті, зміни сприймаються зовсім інакше, ніж задачі, які хаотично прилітають від менеджменту. «Коли команда постійно не розуміє, що і навіщо вона робить, це вже питання до менеджменту», – пояснює Оксана.
На практиці це означає, що рішення часто доведеться приймати з тією інформацією, яка є зараз. Зробити, протестувати, отримати фідбек і швидко скоригуватися.
Детальну специфікацію на десять сторінок у defence отримують рідше. Частіше команда чує щось на кшталт «у таких умовах зв'язок нестабільний», «цей елемент незручно замінювати в полі» або «потрібно скоротити час розгортання системи». Технічне рішення вона шукає сама.
Тому тут особливо цінують людей, які вміють уточнити контекст, запропонувати рішення, швидко його зробити і перевірити на практиці.
Найбільше прив'язані до фізичної присутності hardware, embedded, electronics, robotics, mechanical/CAD, QA і виробничі ролі. Інженеру може знадобитися зібрати прототип, попрацювати з платами, протестувати обладнання або поїхати на полігон. Software, AI/ML, Computer Vision, аналітика і частина product- та business-функцій частіше мають гібридний або віддалений формат, хоча й тут усе залежить від продукту і безпекових обмежень.
Оксана радить ще до оферу прямо спитати: скільки днів потрібно бути на локації, чи є регулярні виїзди на полігон або виробництво, чи можливий remote і чи може формат змінитися залежно від етапу продукту. Очікування повністю віддаленої роботи, до речі, одна з частих причин, чому перехід так і не відбувається.
Коли у вакансії пишуть «потрібна людина, яка бере відповідальність», зазвичай мають на увазі цілком конкретну поведінку. Приклад від Оксани: інженер бачить, що компонент нестабільно працює під час тестування. Він з'ясовує причину, пропонує варіанти, перевіряє їх і повертається з рішенням або з чітким описом того, що блокує результат. Зафіксувати баг і чекати наступної задачі тут замало.
Цінують людину, яка розуміє, який результат потрібен команді, і рухає задачу до нього, навіть коли формально її частина вже зроблена.
Єдиної «культури defence» немає. У невеликому стартапі менше формальних процесів, ролі ширші, і на одній людині більше відповідальності. Embedded-інженер там може писати код, тестувати прототип, працювати з hardware-командою і їздити на випробування. У великого виробника зони відповідальності чіткіші, R&D і production розділені, погоджень більше, а процеси вже усталені.
Ще один розрив стосується умов. До BazaIT Defense приходять дуже сильні, іноді overqualified спеціалісти з великих продуктових компаній, які очікують ту саму зарплату, бенефіти, зрілі процеси і чітко визначену роль. Стартап на 30 чи 50 людей може запропонувати сильний продукт і багато відповідальності, але такого рівня процесів і умов у нього ще може не бути.
Тому на співбесіді варто з'ясувати, на якому етапі компанія, як побудована команда і наскільки сформовані процеси. «Проблема часто в тому, наскільки очікування фахівця збігаються з реальністю конкретної компанії», – підсумовує Оксана.
Передусім сильну експертизу у своїй спеціалізації. «Сильний embedded, hardware, software, AI/ML, Computer Vision чи product-фахівець із цивільного IT може бути дуже цінним, навіть якщо раніше не працював у цій індустрії», – каже Оксана.
Далі йдуть самостійність і продуктове мислення. Від senior-інженера можуть чекати, що він сам побачить ризик, запропонує рішення і перевірить його. А фідбек від військових треба вміти перекласти в технічне рішення, тож розуміння проблеми користувача тут дуже допомагає.
Свої transferable skills кандидати часто недооцінюють. Досвід побудови процесів, масштабування команд, QA, роботи з даними, product management, системної документації чи запуску продуктів може виявитися саме тим, чого бракує компанії, яка дуже швидко виросла. «Я б точно не відмовлялася від вакансії тільки через фразу „defence experience preferred“. Релевантна експертиза з IT часто важливіша за сам факт роботи в defence».
Що заважає на старті? Найчастіше очікування, що все працюватиме як у зрілому продуктовому IT. Також звичка думати «це не моя зона відповідальності»: у командах, які швидко ростуть, межі ролей менш жорсткі, особливо на ранніх етапах. І бажання спершу зробити ідеально, а потім показати результат. У багатьох defence-продуктах важливіше швидко зробити робочу версію, протестувати її в реальних умовах, отримати фідбек і покращити. Якість при цьому лишається важливою, змінюється сам цикл роботи.
Фраза «вмію працювати в умовах невизначеності» рекрутеру майже нічого не каже. Працює конкретний досвід: яка була невизначеність, що ти зробив/-ла і який отримав/-ла результат.
Оксана показує різницю на прикладах.
Слабко: «Стресостійкий, адаптивний, швидко реагую на зміни».
Сильніше: «Запустив MVP за 6 тижнів в умовах неповних вимог: самостійно пріоритезував критичний функціонал, організував тестування та доопрацьовував продукт на основі фідбеку користувачів».
Для інженера слабко: «Вмію працювати без чіткого ТЗ».
Сильніше: «Отримав проблему без готового технічного рішення, сформував 3 гіпотези, протестував їх на прототипі та впровадив рішення, яке зменшило кількість помилок на 30%».
Пошукай у своєму досвіді ситуації з неповними вимогами, самостійними рішеннями, зміною підходу після тестування або запуском чогось із нуля. Такі кейси показують готовність до defence-середовища набагато краще за перелік soft skills.
Прямо про невизначеність питають рідко. Частіше просять розповісти про ситуацію:
Насторожує, коли кандидат у кожному кейсі чекав рішення менеджера, перекладав відповідальність або дуже негативно говорить про зміни, наприклад: «мені постійно змінювали вимоги, тому неможливо було нормально працювати». Переконує протилежне: людина уточнила контекст, визначила, що може зробити сама, запропонувала варіанти, перевірила гіпотезу і повернулася з результатом.
Фраза «я нормально ставлюся до хаосу» тут не допоможе. Потрібен приклад, де ситуація стала непередбачуваною, а ти знайшов/-ла спосіб рухатися далі.
Співбесіда працює в обидва боки. Оксана радить питати про конкретні приклади з роботи команди, а не про «корпоративну культуру» загалом.
Розуміти, як влаштована сфера, корисно ще до першого відгуку на вакансію. Для самого переходу знадобляться навички під конкретну роль і практика, яку можна показати на співбесіді.
Beetroot Academy розвиває напрям Defence & Dual-use з 2025 року: Embedded Development, Drones Firmware, Computer Vision, SolidWorks Core і програма для нетехнічних спеціалістів та Project management у Defence. Програма для нетехнічних будується навколо доменного контексту: як влаштована галузь, які ролі в ній є і що очікують від людини в перші місяці роботи.
«Не чекайте, поки станете „ідеальним defence-кандидатом“. Дуже багато людей відсіюють себе самі, бо бачать у вакансії „defence experience“ або думають, що їхній досвід із класичного IT тут не релевантний. Краще подивіться на свої навички й запитайте: яку конкретну проблему defence-компанії я вже вмію вирішувати? Це може бути embedded, AI, Computer Vision, QA, product, побудова процесів чи масштабування команд. І вже з цим ідіть говорити з компаніями. Defence-досвід можна отримати, тільки зайшовши в defence».
Подяка експертці
Оксана Горбунова — COO & Co-Founder BazaIT, CEO BazaIT Defense та Founder & CEO Defense Core. Працює з командами та бізнесами в defence tech — допомагає знаходити сильних фахівців, будувати стратегічні партнерства, залучати інвестиції, виходити на нові ринки та запускати спільні виробництва.
У I кварталі 2026 року оборонні компанії опублікували на DOU 3005 вакансій. Це більше, ніж за весь 2024 рік. Найпомітніше зросла кількість пропозицій для людей з 1–3 роками професійного досвіду: 979 проти 604 кварталом раніше (аналітика DOU). Шукають інженерів, проджект-менеджерів, рекрутерів, маркетологів, фахівців із закупівель.
Тобто кар'єра в deftech для цивільного спеціаліста відкрита. Питання в тому, з якою роллю заходити і до чого готуватися.
Для більшості ролей ні. Оборонні компанії наймають за професією: embedded-розробник, QA, Project Manager, HR, procurement. CEO BazaIT Defense Оксана Горбунова наводить три реальні переходи з ІТ та виробництва в defence без технічного бекграунду.
Ветеранський досвід є перевагою для частини позицій. В «Атлон Авіа», наприклад, говорять про запит на ветеранський досвід і наводять приклад позиції начальника відділу технічної підтримки. Але це вимога конкретних ролей, і вона не поширюється на ринок загалом.
Конкуренція розподілена нерівно. У середньому на deftech-вакансію відгукується 9 кандидатів, але на Project Manager їх майже 27, а на QA близько 22. Найменше охочих там, де потрібне залізо.
Якщо ти розробник, найкоротший міст веде через курс з embedded-розробки. Якщо менеджер, читай наш розбір того, чим PM у defence tech відрізняється від класичного.
Три речі, про які в класичному ІТ на співбесіді майже не говорять.
Безпекова перевірка. Background check, NDA, а в багатьох компаніях і поліграф. Ми розпитали поліграфологиню та HR-директорку Dwarf Engineering, як проходить поліграф і як до нього готуватися.
Ставлення до публічності. Для частини ролей діють жорсткі правила OPSEC, аж до видалення профілів у соцмережах. Для інших, як-от партнерства чи фандрейзинг, відкритість залишається робочим інструментом. Від чого це залежить, краще з'ясувати до першої розмови.
Готовність до формату. Onsite, швидка зміна пріоритетів, процеси, які ще формуються. За словами Оксани Горбунової, кандидати частіше не проходять співбесіду через нереалістичні очікування, ніж через брак технічних знань.
Найм теж іде у своєму темпі. За практикою BazaIT Defense, від першого контакту з кандидатом до найму проходить у середньому 24 дні, а медіанний термін закриття вакансії становить 44 дні.
Зарплата на старті може бути нижчою. Медіана розробника в DefTech становить $2850, це на $480 менше, ніж в ІТ (опитування DOU). Виняток серед масових ролей — Project Manager: $2500 в оборонці проти $2200 в ІТ.
Без досвіду зайти важко. Вакансій для кандидатів без досвіду в I кварталі 2026 року було 49 з трьох тисяч. У II кварталі DOU зафіксував, що компанії дедалі частіше шукають досвідчених фахівців. Оборонка наразі працює як наступний крок для людей із професією, і значно рідше як перше місце роботи.
Про успіхи не розкажеш. Робота під NDA означає, що портфоліо за ці роки буде порожнім для зовнішнього світу. Комусь це байдуже, для когось стає несподіванкою.
Освітня програма Defence Tech для нетехнічних спеціалістів дає доменний контекст за 12 занять по дві години. Технічні програми та Project Management у Defence Tech зібрані на сторінці напряму Defence & Dual-use.
Python-розробник — це програміст, який мовою Python пише серверну частину сайтів і застосунків, автоматизує рутинні процеси та працює з даними. У червні 2026 року медіанна зарплата Senior Python Developer в Україні сягнула $5000, і це найпомітніше зростання серед усіх мов програмування за півроку (дані DOU).
Далі про те, чим саме займається Python developer, що йому треба знати, скільки платять на кожному рівні і як зайти в професію з нуля.
Більшість Python-розробників працюють на backend. Це частина продукту, якої користувач не бачить: вона приймає запит, перевіряє права, дістає дані з бази, рахує і повертає відповідь. Ти натискаєш «Оплатити» в застосунку, і за пів секунди десь на сервері відпрацьовує код, написаний такою людиною.
Типовий тиждень виглядає приблизно так:
Писання коду займає меншу частину часу, ніж здається збоку. Решта йде на читання чужого коду, уточнення вимог і пошук причин.
Python (українською часто пишуть «пайтон») поширений у кількох напрямах, і від напряму залежить, який стек доведеться вчити.
Для першої роботи найчастіше обирають backend: тут багато вакансій і зрозумілий шлях зростання. Перейти звідти в дані чи AI простіше, ніж навпаки.
Набір для Junior-рівня менший, ніж лякають списки в інтернеті:
Окремий пункт останніх двох років — AI-асистенти для коду. Роботодавці вже чекають, що ти вмієш ними користуватися. І так само чекають, що ти здатен перевірити й пояснити кожен рядок, який асистент згенерував.
DOU опитав влітку 2026 року понад 4,5 тисячі розробників. Картина для Python така:
Ще дві цифри з того самого дослідження. 72% розробників працюють повністю віддалено. Медіана в офісі становить $2350, на ремоуті $3572.
Є ніша, де Python-розробники заробляють помітно більше за середнє по ринку. У DefTech розробники з Python мають найвищу медіану серед усіх мов: $4500 проти $3500 у розробників в ІТ загалом. Там мову використовують для комп'ютерного зору, обробки даних і внутрішніх систем.
Усі суми вказані чистими й узяті з анонімного опитування. Реальна пропозиція залежить від компанії, проєкту та англійської.
Junior виконує чітко поставлені задачі під наглядом і вчиться на code review. Зазвичай цей етап триває рік-півтора.
Middle самостійно веде функцію від обговорення до релізу. Він уже бачить, де рішення зламається під навантаженням, і говорить про це до того, як написати код.
Senior відповідає за архітектуру, вибір технологій і за те, щоб решта команди росла. Коду пише менше, рішень ухвалює більше.
Перехід між рівнями визначає складність задач, які тобі довіряють. Роки стажу самі собою грейд не підвищують.
За кілька місяців регулярної роботи можна дійти до рівня, з яким ходять на співбесіди. Пошук першої роботи після цього зазвичай займає ще кілька місяців, бо конкуренція серед початківців висока.
Пайтон реально вивчити самостійно: документація відкрита, безкоштовних матеріалів багато. Самоосвіта підходить тим, хто вміє тримати режим без зовнішніх дедлайнів і знає, у кого спитати, коли застряг.
Курси мають сенс, якщо тобі потрібні структура, перевірка коду живою людиною і група, яка не дає зійти з дистанції. Обираючи, дивись на три речі: хто викладає і де працює зараз, скільки у програмі практики з code review, чи є на виході проєкт для портфоліо. Обіцянка гарантованого працевлаштування має насторожити.
Освітня програма Python Backend + AI у Beetroot Academy триває 4 місяці із заняттями тричі на тиждень. Якщо ще вагаєшся з напрямом, подивись усі курси для старту в ІТ.
Статтю підготував Senior Python Developer в Beetroot.
FPV-дрон складається з п'яти інженерних шарів: силова частина, польотний контролер, прошивка, зв'язок і бортовий комп'ютер. Під кожен шар є свій набір технологій, і «розробка FPV-дронів» у вакансії може означати будь-який із них. Українські виробники описують потрібну людину широко: вона збирає апарат з нуля, працює з нестандартними конфігураціями, налаштовує контролери й орієнтується в кількох прошивках (аналітика DOU).
Нижче розкладено, що стоїть за кожним шаром, у якому порядку це вчити і скільки за це платять.
Опанувати все одразу не вийде, і від тебе цього ніхто не чекає. Зазвичай інженер глибоко знає один-два шари й розуміє, як вони стикуються з рештою.
Без цього рівня решта стека перетворюється на перебір налаштувань навмання. Мінімум виглядає так:
Якщо ти розробник і заліза ще не торкався, почни звідси. Якщо ти оператор або технік, цю частину ти знаєш руками, залишається додати код. Системно обидва шляхи проходять у програмі Embedded Development.
Прошивка визначає, як апарат поводиться в повітрі. Для FPV із ручним керуванням стандартом є Betaflight. Коли потрібна навігація, беруть INAV або ArduPilot. PX4 частіше зустрічається в R&D і там, де дрон є частиною більшої роботизованої системи.
Починати варто з однієї. Для FPV логічний вибір Betaflight: у ній контур керування найпростіший і весь на видноті. Детальне порівняння стеків, ліцензій і порогу входу ми зробили в окремому матеріалі про ArduPilot, Betaflight і PX4.
Тут починається інженерія польоту. Гіроскоп тисячі разів на секунду повідомляє контролеру кутову швидкість. Фільтри прибирають шум від вібрацій. PID-регулятор порівнює бажане з реальним і видає команду моторам через ESC протоколом DShot.
Саме за логами відрізняють інженера від людини, яка копіює чужі пресети. Пресет працює на тій рамі й тих моторах, під які його зробили. На твоїй конфігурації він може поводитися інакше.
Канал керування у більшості сучасних FPV-збірок будують на ExpressLRS із протоколом CRSF. Старіший SBUS досі трапляється, тож знати його теж варто. Для телеметрії й автономних режимів використовують MAVLink: ним обмінюються автопілот, наземна станція і бортовий комп'ютер.
Для розробника MAVLink найважливіший із трьох. Хто вміє читати й формувати його повідомлення, той може підключити до дрона власний софт: від логера до модуля, який керує польотом через MAVSDK.
SITL запускає прошивку на звичайному комп'ютері, а фізику польоту рахує симулятор, найчастіше Gazebo. Місію можна прогнати десятки разів, зламати параметри, імітувати відмову датчика. Жодного ризику для заліза.
У виробничих командах так перевіряють логіку перед кожним виїздом на полігон. Для навчання це ще й спосіб почати без апарата: перші тижні потрібні лише ноутбук і терпіння.
Наступний рівень складності: поруч із польотним контролером ставлять Raspberry Pi або Jetson. На ньому працює код, який обробляє відео й передає автопілоту команди. Стек тут уже ближчий до звичайної розробки: Python, OpenCV, PyTorch, YOLO, експорт моделей в ONNX.
Якщо ти з software, це найкоротший шлях у галузь, бо половину інструментів ти вже знаєш. Бракує зазвичай розуміння обмежень заліза: модель має вкладатися в пам'ять і встигати обробити кадр. Цьому присвячена програма Computer Vision.
Тут варто знати цифри до того, як планувати перехід. За зарплатним звітом DOU за літо 2026, медіана інженера БПЛА становить $1500, і це одна з найнижчих зарплат у DefTech. Для порівняння: розробники з Python у тій самій галузі мають медіану $4500.
Різниця пояснюється глибиною. Збирання й базове налаштування опановують швидко, тому таких людей на ринку більше. Firmware, embedded і computer vision потребують років, і саме сюди веде кар'єрне зростання. Стек із цієї статті якраз і є маршрутом від першої ролі до другої.
Усе з цього списку можна знайти у відкритій документації та на YouTube. Складність в іншому: матеріали розрізнені, і без зворотного зв'язку важко зрозуміти, чи правильно ти читаєш власний лог.
Освітня програма Drones Firmware у Beetroot Academy проходить цей стек за 18 занять: Betaflight, ArduPilot, PX4 та INAV, MAVLink і фінальний проєкт у симуляторі. Решта програм напряму зібрана на сторінці Defence & Dual-use.
Матеріал підготував Senior Embedded Developer з української defence-компанії.
.jpg)
