У ІТ-індустрії я з 2008 року. Допомагав розвивати TemplateMonster як СМО. А сьогодні я СЕО маркетплейсу MasterBundles — стартапу, який проінвестувала IT-компанія Boosta. Маю великий досвід роботи з дизайном: знаю як болі дизайнера, так і запити клієнта, і як знаходити баланс у комунікації.
Ти – дизайнер-новачок, освоїв необхідні технічні навички та інструментарій. Куди рухатись далі? Є 3 найпоширеніші варіанти:
У першому та другому випадках на тебе чекає постійна комунікація з клієнтами. На моєму досвіді, замовники сьогодні очікують, що ти вже володієш усіма необхідними базовими hard skill-ами, у твоєму арсеналі є необхідний набір інструментів, знання колірних схем, розуміння колористики та типографіки. Адже вважається, що без них ти не почав би пошук роботи, а на твої кейси не звернули б увагу. Тоді, якщо з технічною частиною у тебе не повинно бути проблем, залишаються питання лише до soft-навичок. Сьогодні цим ще можна здивувати. Хоча впевнений, що скоро все зміниться і "м'які" навички стануть частиною стандартного запиту будь-якого фахівця.
Отже, перейдемо до soft skills, без яких не обійтись дизайнеру, щоб ефективно виконувати свої обов'язки.
Комунікація
Замовники цінують правильні питання, що допоможуть з'ясувати справжні потреби. Рекомендую створювати рішення, не ґрунтуючись лише на 2-3 абзацах скупого технічного завдання. Спробуй поставити детальні питання щодо проблеми, яку вирішує замовник, про потреби кінцевого споживача, щоб зрозуміти, як твій дизайн допоможе їх задовольнити. Тут буде корисною теорія зацікавлених сторін. Якщо коротко, як правило, будь-який дизайн має певну кількість взаємозаперечних вимог. Наприклад, замовнику потрібно, щоб дизайн продавав; користувачеві — щоб він був зручним; розробникам — щоб його було відмальовано лише за допомогою певних інструментів. І кожен із цих трьох запитів може суперечити двом іншим. Твоє завдання — побачити всі зацікавлені сторони, зібрати їхні болі та знайти баланс між їхніми потребами.
Став питання, намагайся дістатися до суті, поділяй складні завдання на прості. Це допоможе тобі зробити дизайн якісно та за меншу кількість ітерацій.
Робота у групі
Хороший дизайнер має бути, якщо не візіонером, то вчителем. У процесі роботи йому доведеться пояснювати клієнту, що таке гарний дизайн, оперуючи, а іноді й пояснюючи базові поняття, як колір. А це стає все складнішим, особливо зараз, коли весь наш світ стиснувся до одного екрана в Zoom чи месенджера. Тепер ти не можеш сісти поряд із клієнтом і, як раніше, наочно провести його за ідеєю. Тобі потрібна навичка зрозуміло пояснювати свої думки.
Також часто один твій замовник може виявитися двома. Наприклад, ти спілкуєшся з клієнтом, не знаючи, що твій дизайн також оцінює його партнер. Але згодом це проявиться, коли ти почуєш, що клієнту дизайн подобається, а ось його партнер просить "пограти зі шрифтами". І ця напасть може спіткати не тільки дизайнера, що працює в складній корпоративній структурі з низкою погоджень, а й фрилансера. І від того, як ти зможеш порозумітися з кожним учасником процесу, залежатиме не тільки задоволеність замовника, а й оперативність реалізації завдання.
Критичне мислення
Сьогодні на дизайнера покладається відповідальність: він не просто видає візуальне рішення, а має допомогти команді чи замовнику презентувати продукт у вигідному світлі та захистити ідею.
Щоб просувати дизайн, який справді буде актуальним, і вміло відстоювати свою точку зору, рекомендую тренувати надивленність і критичне мислення. Піддавай сумніву будь-які свої візуальні рішення: чи є вони максимально зручними та своєчасними. Зважай на контекст. Адже те, що було актуальним 1.5-2 роки тому, вже може не працювати.
Інноваційність
Важливо, щоб ти, як дизайнер, розумів кінцевого споживача продукту. Усі деталі можна дізнатися у замовника. Але щоб не було проблем з інтерпретацією, варто говорити із замовником зрозумілою йому мовою. Нижче опишу базовий набір визначень, який вам знадобиться.
Цілісність
Пам'ятай, що ми не створюємо дизайн заради дизайну, і дуже рідко завдання замовника — це створити витвір мистецтва. Швидше за все, у більшості твоїх клієнтів буде дві метрики: час і гроші. Тобто за мінімальний термін він має отримати робочий інструмент, який допоможе йому заробляти. І це рішення не завжди буде ідеальним візуально.
Щоб знайти баланс, шукай точки дотику з клієнтом та чітку відповідь на питання, для кого ти робиш той чи інший дизайн. Це дозволить тобі цілісно підходити до вирішення завдань.
Як уникнути неминучого?
А якщо ти все ж таки морально не готовий до самостійної взаємодії з клієнтами й хочеш напрацювати портфоліо, відпрацювати технічні навички. Що робити у такому разі? Є оптимальний шлях — це маркетплейси. Так звана невидима рука ринку, що допомагає напрацювати реальні кейси й дізнатися, чи справді твої дизайни конкурентні, чи актуальна у тебе тематика, чи є попит у твоїй ніші. При цьому немає потреби безпосередньо контактувати з клієнтом.
Загальна схема роботи всіх маркетплейсів виглядає приблизно так:
Це чудовий варіант пасивного доходу, який не вимагає великої кількості зусиль.
Тут я зібрав 4 маркетплейси, орієнтовані на західного клієнта, які будуть корисні студентам та випускникам вже зараз:
CreativeMarket
Це майданчик, на якому можна викладати як тематичні підбірки, так і окремі елементи (наприклад, шаблони лендингів, UI/UX-пакети тощо). Співпрацюючи з ними, дизайнер отримує 70% виторгу від кожного дизайну, а залишок бере сервіс. Лояльна система комісії компенсується низкою недоліків. Для CreativeMarket характерна тривала модерація — доходить до 2 тижнів. А також там є досить висока конкуренція. Новому дизайнеру вкрай складно потрапити на головну сторінку, у тематичну підбірку чи очі клієнту.
MasterBundles
MasterBundles — це маркетплейс для продажу дизайнерських бандлів. Це агрегатор, який акумулює дизайни різних тематик з усього інтернету, та дискаунтер, де покупець завжди може знайти якісний дизайн за знижкою. Вже рік MasterBundles входить до складу IT-компанії Boosta.
Принцип його роботи ґрунтується на продажу тематичних бандлів. Наприклад, ти створив набір цифрових листівок, об'єднаних однією ідеєю або святом, або UI/UX-пакет. Ти можеш продати їх на маркетплейс за заявленою ціною зі знижкою. З явних переваг – це низька конкуренція на платформі. Багато розділів тільки починають заповнюватися, тому простіше потрапити до топу видачі. До того ж модерація займає лише до 2 діб. І якщо дизайн якісний, його відразу розміщують на головній сторінці та додають у розсилку, а також просувають та скеровують на нього трафік. MasterBundles займається всією організаційною роботою, а тобі залишається лише чиста творчість. За це платформа бере комісію 50% від кожного продажу бандла.
Themeforest
Це пекло та рай будь-якого дизайнера. Там велика кількість замовників. За одну роботу можна отримати до кількох тисяч доларів. Однак є і каверза. Основний їхній ринок — це шаблони для WordPress. А це складне завдання, це технічний продукт, який потребує регулярних оновлень та постійної підтримки. Тому найчастіше туди заходять спеціалісти з командою розробників або інших дизайнерів, які розуміють повний процес розробки. І, звісно, де велика конкуренція, там і тривала модерація. Маркетплейс настільки переповнений дизайнами, що є категорії, в яких сервіс попереджає, що додавання нових продуктів не принесе профіту ні вам, ні платформі, а лише розмиє загальний трафік. Туди рекомендую заходити тільки, якщо ти робиш нішові дизайни.
Etsy
В основному, це маркетплейс для продажу продуктів ручної роботи. Але є й великі розділи, пов'язані із цифровими дизайнами. Тут буде попит на графіку, добре заходять UI/UX-пакети. Вони мають великий трафік, тому і клієнтів багато. Однак будь готовий, що там ціна твого дизайну буде досить низькою.
3 книги, які було б добре прочитати:
3 фільми, варті перегладу:
1 додаток для роботи
Unsplash — це програма, де можна не тільки брати та заливати безплатні якісні фотографії, а також створити свій профіль, в описі якого вказати сферу діяльності та зацікавленість у пошуку нових цікавих проєктів.
Можливість увійти в IT для початківців — курс з UI/UX-дизайну в академії, а також Telegram-канал з актуальними вакансіями “Boosta для молоді ”

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.