Машинное обучение в Узбекистане — с чего начать

Понедельник, офис финтех-компании в Ташкенте. Модель, которую вы дообучали всю прошлую неделю, стала точнее на два процентных пункта. На планёрке спрашивают не про метрику, а про деньги: сколько заявок теперь пройдёт скоринг и что случится с просрочкой через квартал. Такого ответа модель не выдаёт, его формулирует человек.

Вторая половина недели выглядит ещё менее эффектно. Это данные. Их собирают, сверяют, чистят и объясняют себе, почему у трети анкет пустое поле дохода и отчего число заказов подскакивает в дни перед Наврузом. Машинное обучение начинается с данных, а не с нейросетей, и тот, кто готов к этому заранее, входит в профессию спокойнее остальных.

Чем занята рабочая неделя

Задача приходит от бизнеса и почти никогда не звучит как «обучите модель». Она звучит как «мы теряем деньги на возвратах» или «операторы не успевают разбирать обращения». Специалист переводит это в постановку с измеримым результатом: предсказать вероятность возврата, разложить обращения по темам, найти дефект на снимке товара.

Дальше идёт поиск данных. В узбекистанской компании они редко лежат в одном месте: часть в учётной системе, часть в выгрузках колл-центра, часть в таблице, которую руками ведёт менеджер регионального склада. Их приводят к общему виду, отбрасывают дубли, договариваются, что считать одним клиентом. Здесь и выясняется, что половина замысла неисполнима, и постановку переписывают заново.

Только потом появляется модель. Её обучают, проверяют на отложенной выборке, сравнивают с простым правилом вроде «звонить всем, кто не заплатил третий день подряд». Если правило работает не хуже, честный специалист так и говорит. Сравнение с простым правилом отличает инженера от энтузиаста.

Последний участок — работа модели в бою. То, что живёт в ноутбуке, денег не приносит: решение упаковывают в сервис, подключают к боевым данным и следят, чтобы точность не поплыла, когда рынок изменится. Модель, обученная на поведении покупателей прошлой зимой, к следующей осени может ошибаться систематически, и заметить это должен человек.

Между этапами идёт разговор. Постановку согласуют с заказчиком, промежуточный результат показывают на встрече, отказ от красивой идеи объясняют так, чтобы человек без технического образования понял причину. Умение объяснять решение в вакансиях формулируют скучно, через «коммуникативные навыки», а на практике именно оно определяет, продлят ли проект. Модель, которую в компании никто не понял, выключают первой при сокращении бюджета.

Направление в каталоге собрано из программ очень разного уровня, от вводных до инженерных, и разница между ними больше, чем между школами.

Что смотрят на входе, если диплом не главное

Допусков в профессии нет: ни лицензии, ни обязательной сертификации, ни реестра специалистов. Спрашивают решённые задачи, репозиторий с кодом и умение объяснить, почему выбран именно такой подход. Диплом профильного вуза помогает, но пропуском не служит: на собеседовании его не разглядывают так, как разглядывают вашу работу с данными.

Есть деталь, которой нет в описаниях курсов, а на доход она влияет прямо. Если работодатель — резидент IT Park, налог на доходы его сотрудников считают по льготной ставке 7,5% вместо обычных 12%. При одинаковом окладе на руки выходит больше, поэтому статус компании стоит выяснить до подписания договора.

Государство подпирает направление сверху: заявлена подготовка 500 тысяч человек в 2026 году и 5 миллионов к 2035-му. Для соискателя это две новости сразу. Конкуренция среди новичков вырастет. Одновременно вырастет число организаций, где вообще понимают, зачем им данные, — а это и есть будущие рабочие места.

Языки распределяются просто. Английский в экспортных проектах близок к обязательному: документация, статьи, переписка с заказчиком. Узбекский и русский нужны внутреннему клиенту — банку, ритейлеру, госзаказчику. Пара узбекский плюс русский — обычное требование вакансии, английский добавляется сверху.

Портфолио для первой работы собирают из того, что доступно снаружи: открытые городские данные, собственные выгрузки, публичные каталоги, соревновательные задачи. Ценится не размер набора, а честно описанный ход мысли — какую гипотезу проверяли, что не сработало, почему остановились на этом решении. Три доведённых до конца проекта убеждают сильнее двадцати ноутбуков, брошенных на середине.

Пять участков внутри одного названия

«Специалист по машинному обучению» в вакансии может означать пять разных занятий. Определиться лучше до оплаты программы: портфолио собирается под конкретный участок, и универсального набора работ не бывает.

Участки различаются и по порогу входа. В табличные данные переходят из аналитики и финансов, там хватает уверенного SQL и статистики. Компьютерное зрение требует более тяжёлой инженерии и вычислительных мощностей. MLOps ближе к обычной разработке, и туда чаще приходят backend-инженеры, чем выпускники программ по нейросетям. Порог входа различается сильно, поэтому одинаковое название вакансии у двух работодателей означает разные требования.

Сколько платят и как читать эти цифры

Отдельной строки «ML-инженер» в зарплатной статистике страны пока нет, ближайшая наблюдаемая категория — программист. По данным ГородРабот.уз, в 2026 году средняя зарплата программиста по Узбекистану составляет 11 667 784 сума, медианная — 10 281 281 сум. В Ташкенте средняя выше, 11 914 752 сума, медианная — 10 696 750 сумов.

Медиана здесь важнее средней. Это середина списка предложений: половина вакансий обещает меньше, половина больше. Среднюю тянут вверх редкие крупные офферы, и ориентироваться на неё при первом трудоустройстве не стоит. Разрыв столицы и страны по медиане — около 400 тысяч сумов, меньше пяти процентов. Для ИТ это нормально: заметная часть работы идёт удалённо или на экспорт, и география влияет слабее, чем в рознице или производстве.

Работодатели у направления называются поимённо. Финтех-компания Alif Uzbekistan набирает инженеров машинного обучения среднего уровня в Ташкенте. У EPAM Uzbekistan филиал работает с 2019 года, в нём около 150 специалистов, и компания вместе с IT Park участвует в подготовке кадров. В Ташкенте присутствуют Uzum, Yandex, Huawei, Microsoft и Nvidia. Плюс сотни резидентов IT Park, из которых значительная часть работает на зарубежного заказчика.

Про окупаемость честнее считать в месяцах работы, а не в процентах. Серьёзная инженерная программа по этому направлению возвращается примерно за два-три месяца на медианном доходе программиста, если после неё вы выходите на позицию по специальности. Если же выход растягивается на полгода стажировок и бесплатных задач, окупаемость сдвигается вместе с ним, и это самый частый сценарий у тех, кто не собрал портфолио во время обучения.

Статистика показывает предложения работодателей, а не доход конкретного человека. На первой позиции разумно ждать сумму ниже медианы: платят за самостоятельность, а её ещё предстоит показать. За год-полтора разрыв закрывается, если за это время вы вывели в эксплуатацию хотя бы одну модель, которой пользуются каждый день. Первый оффер ниже медианы — обычная точка старта, а не приговор.

Что изменилось за последние два года

Профильная подготовка перестала быть только импортной. Yandex ML School Uzbekistan выпустила первых 19 специалистов по машинному обучению — это первая программа такого рода внутри страны, и её появление говорит о спросе местных компаний на узкий навык.

Спрос идёт не только из ИТ-сектора. До конца года в экономике заявлено более сотни проектов с искусственным интеллектом: медицина, энергетика, транспорт, таможня, юридические услуги, экология, геология. Такие проекты редко нанимают звёзд, зато охотно берут людей, которые доводят до конца скромную, но работающую систему.

Изменилась и рамка льгот. Резидентам IT Park налоговые послабления продлены за горизонт 2028 года, но с апреля 2026-го они больше не распространяются на платёжные организации, операторов платёжных систем, маркетплейсы и микрофинансовые организации. Разработку моделей и ИТ-услуги это сужение не затронуло. Экспорт продолжает расширяться: география поставок услуг доросла до 78 стран, осенью 2025 года статус резидента получили 470 компаний, среди них 267 экспортно-ориентированных и 158 иностранных.

Что здесь не отдать автоматике

Генераторы кода пишут обучающий цикл за минуту, и ценность механического навыка от этого упала. Две вещи не подешевели. Первая — понимание местных данных: поведение клиентов узбекистанского банка или маркетплейса не выводится из зарубежного набора, там другие сезоны, другие суммы, другая структура семейных расходов. Вторая — объяснение заказчику, почему метрика выросла, а прибыль осталась прежней. Понимание местных данных вместе с умением вести такой разговор и оплачивается в первую очередь.

Признаки программы, после которой есть что показать

Смотреть надо не на список тем, а на то, что останется у вас в руках к последнему занятию. Полезные признаки заметны прямо в описании.

• Работа с грязными данными, а не только с готовыми учебными наборами. Учебный набор без пропусков не готовит к реальности.
• Живое ревью кода человеком. Автопроверка сообщает, что тесты прошли, но не объясняет, почему решение плохое.
• Раздел про вывод модели в работу. Без него вы умеете обучать, но не умеете отдавать результат.
• Итоговый проект с защитой и репозиторием, который не стыдно показать нанимающему.
• Преподаватели, которые сейчас решают производственные задачи, а не пересказывают чужой конспект.
• Английский внутри программы хотя бы на уровне чтения документации.

Выбор редакции

LLM-разработчик

Нетология ·11 мес. · 4,9

16 373 000 сум^* 33 076 400 сум −50% Смотреть программу

• Инженер по глубокому обучению нейросетей Яндекс Практикум 8 776 300 сум^*
• Компьютерное зрение — CV Яндекс Практикум 8 425 200 сум^*
• Инженер по глубокому обучению нейросетей: компьютерное зрение Яндекс Практикум 13 129 300 сум^*
• Специалист по глубокому обучению Нетология 23 225 500 сум^* 43 002 200 сум −46%
• Специалист по искусственному интеллекту Нетология 15 460 200 сум^* 33 076 400 сум −53%

Все курсы в каталоге

Кому эта работа даётся легче

Тем, кому нравится копаться в таблицах и находить в них странности. Тем, у кого хватает терпения проверить гипотезу, отбросить её и проверить следующую. Людям с привычкой к математике — не обязательно с красным дипломом, достаточно спокойного отношения к формуле и графику.

Отдельно выигрывают те, кто пришёл из предметной области. Бывший кредитный аналитик быстрее поймёт данные банка, чем выпускник без опыта, а сотрудник склада увидит в выгрузке то, что программисту кажется шумом. Знание отрасли ускоряет вход сильнее, чем ещё один пройденный курс.

Подходит и тем, кто любит доводить дело до состояния «работает без меня». В машинном обучении велик соблазн остановиться на красивом эксперименте: точность выросла, график радует, показывать приятно. Ценность появляется шагом позже, когда результат встроен в процесс и работает каждый день без вашего участия.

Школы, у которых по направлению больше всего программ

В каталоге по машинному обучению собрано 56 программ от 16 школ. Больше всего вариантов у двух площадок ниже — это говорит о ширине выбора, а не о том, что они подойдут именно вам. Сравнивайте состав программы и формат проверки заданий.

Нетология

4,2 · 291 отзыв

На рынке с

2011 года

Курсов в каталоге

319

Сайт школы

netology.ru

Нетология — одна из старейших российских онлайн-школ: работает с 2011 года по государственной лицензии на дополнительное профессиональное образование и предлагает больше 200 программ по интернет-маркетингу, аналитике, IT, дизайну и управлению. Все занятия — на русском языке, поэтому языкового барьер...

Смотреть курсы школы

Karpov Courses

На рынке с

2020 года

Курсов в каталоге

29

Сайт школы

karpov.courses

Karpov.Courses — российская школа аналитики данных и Data Science, основанная в 2020 году. Один из основателей — Анатолий Карпов, бывший ведущий аналитик Mail.Ru и VK, чьи бесплатные курсы по статистике до открытия школы прошли больше 200 000 человек. Для учеников из Узбекистана школа интересна узко...

Смотреть курсы школы

Рынок машинного обучения в Узбекистане пока состоит не из тысяч вакансий, а из сравнительно небольшого числа команд, которые действительно делают модели. В этом и риск, и преимущество. На большом рынке новичок теряется среди резюме, на маленьком его замечают по одному аккуратно доведённому проекту. Поэтому решающим оказывается не название программы в дипломе, а вопрос, который вы услышите на собеседовании: покажите, что вы уже сделали, и объясните, почему сделали именно так.

Что почитать дальше

• Data Science в Узбекистане — когда платная программа нужна, а когда хватит бесплатной
• С чего начать в профессии Python-разработчик
• С чего начать в работе с нейросетями