Твої знайомі кидають насиджені роками місця у великих компаніях та йдуть працювати в стартапи. Чому? Ми вже писали, що основна причина звільнення – бажання розвитку, нові цікаві завдання та можливості. Один з варіантів, де це шукати – стартап.
Новий проект можна вважати стартапом, якщо він:
У стартапі ти здобудеш навички й навчишся нести відповідальність. Працюватимеш із людьми, які захоплюються процесом, познайомишся особисто з усіма членами команди.
Проблеми та можливості стартапу постійно змінюються. Рутини тут мінімум. Зарплата може бути нижчою, ніж в корпорації, але в деяких стартапів ти можеш придбати акції – це величезний потенціал, якщо компанія досягне успіху. Тут більше шансів, що твою думку почують, а робота вплине на бізнес.
Ми запитали людей, які працювали в великих компаніях, а тепер перейшли до стартапів. Вони порівняли досвід і поділилися найважливішим – розповіли, де краще для них, зважили плюси та мінуси й описали типовий робочий день.
В "Тепле місто" основними замовниками були локальний бізнес та адміністрація міста. Мало діджитал-проектів, більше – фестивалів, конференцій, урбаністичних і спортивних проектів. Я працював там проектним менеджером 2 роки. Команда з 20 чоловік і гнучкий робочий день. Ти сам – менеджер свого часу, сам будуєш дорожню карту свого проекту.
В ієрархії ТМ була наглядова рада – це 12 експертів, які визначають стратегію платформи на кілька років. Вони бачать тренди й допомагають адаптувати проекти під потреби суспільства або бізнесу. Це дуже сильна частина платформи.
Потім я набрався сміливості й пірнув у власну справу. Зараз я проектний менеджер в креативній агенції еasy. Створюємо айдентику, логотипи та креативні рішення для бізнесу. У команді 4 людини. Ми рухаємося як стартап у сфері дизайну, але плануємо вирости до міжнародної компанії.

Співпраця й довіра – основні цінності, які я виніс з роботи в різних компаніях і на різних проектах. Для мене це основа, від якої можна рухатися до політик, процедур та рамок – без них не буде системності. А нескінченний хаос швидко спалює мотивацію та ентузіазм в роботі.
Мені складно розділити людей на тих, хто створений для стартапів і тих, хто великих компаній, багато хто прокачує свій стиль мислення й навички, щоб легко адаптуватися під будь-який формат компанії. Якщо ти готовий ризикнути – тобі підійде стартап. У великій компанії більше гарантій і безпеки.
Якщо повернутися до Eleks, то в Івано-Франківському офісі тоді працювало більш ніж 55 людей. Графік кожен обирав сам. Приємно, що в ІТ-середовищі ти вчишся керувати своїм часом самостійно. Ми працювали в налагоджених процесах за Аgile: в нас були статус-наради та інші церемонії, які використовує цей метод.
Кількість людей в команді та ієрархія залежала від проекту. Були маленькі команди: проектний менеджер, розробник, інженер з якості. У великих найчастіше додавався ще й дизайнер, team lead і розробники. Іноді навіть бізнес-аналітик. Тоді над проектом можуть працювати більш ніж 100 людей. У стартапі таке малоймовірно.
Більшу частину часу працював з людьми з продажів і маркетингу. Відповідав за аналітичну підтримку: запуски нових і виведення з ринку старих брендів, запуски національних промо-кампаній. Відповідав за контроль над комерційними бюджетами. Всі внутрішні процеси в фінансах були збудовані лінійно з процесами в офісах інших країн. Типовий робочий день тривав 10-12 годин, кожен день майже не відрізнявся від попереднього.
Пішов, тому що швидко втратив інтерес – душа вимагає нових завдань і викликів. Втомився розповідати у двадцятий раз фіндиректору про причини відхилення від плану. Крім того, хотів відповідати за щось більше, ніж окремі проекти. Темпи кар'єрного зростання у великій компанії дуже повільні.
У стартапі займаюся стратегією й розвитком нових напрямків бізнесу. Підпорядковуюсь директору по стратегії. Типового робочого дня не існує – іноді витрачаю 12 годин на галузеві звіти й бази даних, іноді просто шукаю контакти й ходжу на конференції. Все визначається завданням, яке потрібно вирішити в цей день. У корпорації я знав, чим буду займатися за тиждень о 16:00. У стартапі таке планування неможливе.
Якщо порівнювати корпорацію і стартап, я за те, що буде актуальнішим для саморозвитку й кар'єри. Працювати можна в обох типах компаній. Важливо відповісти собі, навіщо ти йдеш працювати. Я переключився за 3-4 тижні, нічого складного. Єдине, до чого не звик – відкритість CEO і загальна політика відкритих дверей. У корпорації неможливо просто зайти до кабінету найбільшого боса й вирішити питання. Мені подобається відсутність чітких рамок. Але потрібно розуміти, що у корпоративних політик і процедур є свої “за” і “проти”: з одного боку – це інструмент структурування і контролю, а з іншого – вони знижують швидкість прийняття рішень.
У стартапі ти швидше втілиш ідеї в життя, у тебе ширша межа особистої відповідальності. Але при будь-якому масштабуванні бізнесу така гнучкість зазвичай вбивається.
Робочий день у великій компанії зазвичай починався зі швидкої наради й списку завдань на день для кожного члена команди. Ієрархія суттєва: у співробітника може бути до 5-6 рівнів підпорядкування.
В Ciklum мені подобались зрозумілі процеси, конкретний план виконання завдань і компетентні фахівці, які допомагали розбиратися у складних питаннях. Пощастило з гнучким графіком – я поєднувала роботу з навчанням. Ця робота навчила мене структурувати інформацію, щоб її зрозуміли навіть ті, хто вперше зіткнувся з таким завданням.
З недоліків я б відзначила довгий процес впровадження ідей та ефект "зіпсованого телефону", як і в багатьох великих компаніях. Часто трапляється різниця в пріоритетах між співробітниками. Для когось важливі зарплата, ім’я компанії або стабільність. Лиш потім – цінності, сенс у роботі та проекті. Вирішила піти, тому що після трьох років роботи захотіла рухатися далі, досліджувати інші сфери й додати більше творчості у свою роботу.
У стартапі є співзасновники та лідери окремих напрямків, які допомагають команді працювати у потрібному напрямку. На щастя, ми не популяризуємо ієрархію.
Тут є повноцінне відчуття причетності до створення продукту/послуги – ти не маленький гвинтик, а цілий механізм, який впливає на багато речей. Свобода втілення й тестування ідей, можливість постійно вчитися новому, мобільність графіка та робочого місця. Але потрібно бути "людиною-восьминогом", оскільки співробітників небагато. Комусь це здасться мінусом, але мені навпаки – подобається. Я маркетологиня, але можу створювати дизайн банерів, презентацій, писати технічні вимоги до продукту або спілкуватися з клієнтом. Це допомагає перемикнутися, дізнатися про продукт з різних сторін, тренувати кращі сторони – я не вірю, що у людей вона тільки одна.
З недоліків – хаотичність і час, витрачений на тестування ідей, від яких потім відмовляєшся. Не завжди виходить діяти за планом, який склали навіть тиждень тому. Іноді потрібно змінити фокус і починати все з початку. Я бачу в цьому можливості для постійного розвитку.
Якщо вибирати серед великої компанії та стартапу – багато чого залежить від посади, обов'язків, команди й цінностей. У майбутньому хотілося б взяти найкраще з досвіду і створити щось своє. Зрештою, успішні стартапи в більшості випадків стають великими компаніями. Та й цінності стартапів потрібно приносити до великих компаній, а не навпаки.
Стартаперський формат мислення може бути у людей, які працюють у великих компаніях. Це, від початку, бажання змінювати щось на краще, створювати нове, динамічно розвиватися. Потреба з'являється в один момент і ти починаєш несвідомо шукати однодумців. Я шукала компанію близьку мені за духом та цінностями та швидко долучилася до процесу. Річ не в тім, що є різниця між стартапом і великою компанією, а в людях, які тебе оточують.
Я думаю, тим, кому важлива стабільність та ясність в робочому процесі, варто розглядати великі компанії. Якщо тебе приваблює популярність імені на ринку – теж. У стартап варто йти не заради просто роботи, а заради справи, яка стане частиною життя. Тим, які готові бути гнучкими, будувати процеси з нуля, хто нормально ставиться до ситуації: "Не знаю, як це робити, але зараз розберуся і завтра буде зроблено". Для тих, хто навіть під час знайомства в барі в іншій країні здатен запитати: "А як вам така ідея?".

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.