День 1: пишеш на весь фейсбук, що йдеш, наприклад, з журналістики в ІТ. Летять привітання колишніх однокласників, далеких родичів і здивування колег.
День 5: шукаєш курси й вакансії в компаніях, одночасно замовляючи піцу.
День 20: тебе й досі не запросили на співбесіду.
День 60: думаєш, чи нормально бути інтерном в 30 років.
"Кар'єрний перехід подібний до переходу з восьмого класу на перший курс університету, – говорить Адам Смайлі Посволскі, автор книги "The Quarter-Life Breakthrough". – Ви маєте розуміти, що у вас буде завал на роботі".
Соціальні медіа запевняють – щотижня знайомий банкір стає артистом, фермер – власником магазину велосипедів, а підприємниця з головою поринає в письменництво.
За даними Бюро статистики праці США американці змінюють роботу в середньому 12 разів за період з 18 до 50 років. Але світчерами називають тільки тих, хто перейшов до абсолютно нової індустрії: з консалтингу та банкінгу в нейробіологію, з фінансів в літературу, з галузі обслуговування в ІТ. LinkedIn опитали більш ніж 10 000 людей, які щойно зробили цей стрибок. Головна причина – кар'єрне зростання. Люди вважають свою роботу глухим кутом і змінюють її на ту, де є нові можливості.
Нова кар'єра здається ліками проти тривоги перед понеділком і небажанням йти до офісу. Але перш ніж зважитися на зміни, важливо зрозуміти реалії, які часто не враховуються у привітаннях на фейсбуці.
Ми поговорили з випускниками, які завдяки Beetroot Academy перейшли до ІТ. Виявилося, у зміни кар'єри є й приємні сторони. Знання за плечима не носити – ми застосовуємо навички з попередньої роботи на новому місці.
Влад Кушнір – наш випускник-світчер з Одеси. Зараз працює Front-End розробником, до цього викладав дітям фізику. "На попередній роботі я вчив дітей, завжди хотілося розповідати учням про цікаві відкриття. У сфері ІT постійно потрібно стежити за новими технологіями й вивчати їх", – каже Влад.
Коли хочеш повністю змінити кар'єру, заважає пригніченість та страх. Підготуйся до змін ґрунтовно, щоб не було причин боятися.
Гроші завжди можна заробити. А час піде та не повернеться. Ось чому не варто чекати на ідеальні умови для зміни кар’єри. Завжди буде краща позиція, яку можуть запропонувати в майбутньому. Або проект, який ти захочеш закінчити, перш ніж залишити сьогоднішню посаду. Але магічні цифри просто так не з'являться на банківському рахунку.
Майк Льюїс, засновник When To Jump – організації, яка консультує людей з приводу зміни кар'єри. Він радить приблизно підрахувати, скільки коштує стрибок в іншу індустрію (скільки грошей знадобиться для життя й оплати рахунків), а потім додати 50%.
"Людям не вистачає бюджету на неминучі перешкоди, які виникають, коли вони вирішують слідувати своїй мрії, – говорить Льюїс. – Знадобиться більше часу, ніж думаєш і більше терпіння, ніж припускаєш".
Втрата стабільної зарплати також може вплинути на якість твоєї роботи. Але, якщо можеш взяти перерву на навчання – це буде корисно.
Марка Шевченко – наша випускниця з Києва, Front-End розробниця в Beetroot. До цього 5 років працювала помічницею нотаріуса. "Перед тим як змінити галузь я просто звільнилася і рік не працювала. Трохи вчилася самостійно, в процесі зрозуміла, що програмування – це моє, та пішла на курси до Beetroot Academy. Буквально за тиждень після закінчення навчання мені запропонували роботу, – говорить Марка. – Спочатку було трохи страшно, я боялася не впоратися, адже у мене не було досвіду, та й взагалі – це зовсім інша галузь. Але я адаптувалася досить швидко".
Навіть якщо більшість людей з твого кола не працюють в галузі, до якої ти прагнеш потрапити – ніколи не знаєш, з ким вони можуть тебе познайомити. Сила нетворкінгу в тому, що хто завгодно може виявитися HR-менеджером або людиною, яка приймає рішення. Коли найкраще сказати, що у тебе є лопата для прибирання снігу? Правильно – влітку. Коли немає ані сніжинки. Прийде зима, а всі вже знають, хто допоможе розчистити двір.
Потрібно розповідати людям навколо, що ти хочеш рухатися вперед вже на ранньому етапі пошуку роботи. Щоб про тебе згадали, коли виникне необхідність.
Попри те, що у тебе тепер повно часу для зустрічей на каву, тобі може бути самотньо. У перехідний період ніхто не дасть грошей за час пошуків, не запропонує зворотний зв'язок або не похвалить за успіхи. Тобі потрібно буде покладатися на людей. Якщо тобі не подобається вчитися в інших, кар'єрний перехід може бути болючим.
Яку пораду можуть дати друзі й родичі, якщо вони не змінюють роботу більш ніж 10 років? Тільки ту, якою живуть – стабільність кар'єри необхідна для їх життя. Говори з тими, хто пройшов крізь труднощі, які на тебе чекають. Адже навіть досвід зі старої роботи знадобиться.
"Стара робота навчила мене оцінювати ситуацію, враховувати ризики. Тепер це допомагає при постановці строків – я пам'ятаю, що не завжди все йде гладко. Уважність при вивченні документів стала мені в пригоді при перевірці виконаної роботи зараз, ну а читання юридичної документації перегукується з читанням технічної", – додає Марка.
Зона комфорту будується на досвіді, яким ти живеш досі. Твоя теперішня кар'єра знаходиться в цій зоні. Навіть застій і непродуктивність – звичні й комфортні. Це пояснює, чому багато хто не хоче змінювати кар'єру.
Якщо хочеш підвищити шанси знайти нову роботу – відвідуй локальні галузеві заходи. Може пощастити – ти знайдеш відповідні курси, або навіть відразу отримаєш запрошення на співбесіду.
Хоча світч часто здається квитком в один кінець, до щасливого життя, іноді ми перебільшуємо різницю між професійними сферами. Скрізь є важка робота, нудні папірці, офісні політики, колеги й ледарі, які дратують. Якщо біжиш від цього – тобі не пощастило.
Найкраща порада, яку можна отримати – додай цінність, перш ніж просити про послугу. Спочатку дізнайся як працює галузь, а потім пропонуй революційні ідеї. Зміна професії вимагає впевненості, але й смирення.
Максим Лебедь – наш випускник з Києва, теж світчер. Front-End розробник на фрілансі, до цього працював інженером-конструктором на кондитерській фабриці. "Я завжди був технарем, багато речей в програмуванні мені давалися легко. Це, по суті, технічна спеціальність і основні принципи схожі. Коли ти проектуєш щось – хоч застосунок, хоч механічний пристрій, головне – змоделювати структуру з самого початку. І тоді реалізувати потрібний функціонал значно простіше", – каже Максим.
Якщо хочеш змінити кар'єру – все залежить від тебе. В тебе вже є цінна інформація і досвід роботи, який може допомогти – це півкроку до цілі.

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.


Після навчання ми попросили його назвати, що змінилось у роботі. Ось що він розповів.
Кодифікація – одна з тих тем, з якими фахівець із закупівель стикається постійно. До навчання Костянтин розумів її лише в межах нормативного регулювання: які документи потрібні, які вимоги треба виконати.
Тепер він розуміє алгоритми, за якими кодифікацію отримують. Це змінило кут зору. Раніше він дивився на процес як замовник, тепер бачить його ще й зі сторони постачальника, який проходить цей шлях зі своїм виробом.
У закупівлях легко звикнути до окремих процесів: одна позиція, одна специфікація, один договір. Так і було в Костянтина до програми. Він знав окремі процеси, але не знав, як вони пов'язані між собою.
Після навчання він розуміє, як різні вироби взаємодіють в одному напрямку. А звідси й розуміння, чому закупівлі мають бути комплексними: техніка працює в зв'язці, і закуповувати її теж варто з урахуванням цієї зв'язки.
Рішення в роботі Костянтина й надалі чітко регламентовані, тут нічого не змінилось. Змінилось інше. Раніше він бачив своє рішення окремо. Тепер видно його значення в комплексі з іншими рішеннями, інколи навіть тими, які ухвалює не він.
Це відчутно і в щоденній роботі. У розмовах із колегами він став обізнанішим з технічного боку, тож обговорення стали предметнішими.
Костянтин пов'язує ці зміни з комплексними груповими вправами з планування операцій. На них учасники працювали з операцією як з цілим: розбирали, як окремі елементи поєднуються в одну систему і впливають один на одного.
Для людини, яка щодня працює з однією ділянкою, такий формат дає рідкісну можливість побачити всю картину. І саме ця картина потім допомагає краще робити свою частину роботи.
Окрім знань, після навчання в Костянтина залишились корисні контакти для нетворкінгу. Програма і її учасники стали для нього важливим надбанням.
У Defence Tech це має особливу вагу. Сфера тісна, багато питань вирішується через людей, і знайомства з колегами з інших компаній та ролей часто корисні не менше за саму програму.
На запитання, чи радить він програму колегам по галузі, Костянтин відповів коротко: однозначно йти. Як мінімум заради цікавих людей усередині Defence Tech сфери.