Многие думают, что сегодня ML-инженеру достаточно просто писать код. Но в эпоху ИИ на первый план выходит способность мыслить как инженер и умение выстраивать связи с единомышленниками. Выпускник Цифровой кафедры МФТИ Антон Шумилкин знает об этом не понаслышке: сегодня он совмещает роли ML Engineer и AI Product Owner в Цифриум, а его путь в профессию — это череда осознанных экспериментов в сельском хозяйстве, компьютерном зрении и LLM.

Мы поговорили с Антоном, который прошел программу Цифровой кафедры “Продвинутые методы машинного обучения (2025г.). К моменту поступления он уже был практикующим специалистом, но, по его собственному признанию, систематизация знаний и «перезагрузка» фундаментальных основ оказались полезными. И, что особенно ценно, именно во время обучения Антон в составе команды одержал победу на хакатоне, что привело к офферу от Цифриум — партнера Цифровой кафедры. В этом интервью — честный разговор о том, как находить ясность в хаосе данных, почему First Principles Thinking становится главным навыком и какие неочевидные ресурсы помогают оставаться на острие в профессии.

О практической пользе обучения

— Какие навыки/знания, полученные во время обучения на программе ЦК, оказались наиболее полезными в работе?

— На ЦК я учился уже как действующий специалист, однако было очень полезно повторить основные фундаментальные вещи про классические ML алгоритмы и методы решения проблем. В текущих проектах и направлениях уже пригождаются или обещают пригодиться Python для анализа данных, построение рекомендательных систем и такие подходы, как деревья решений.

Карьера: от сельхозвидеосъёмок до ML-инженера в Цифриум

— Расскажите о своей карьерной траектории. Как вы пришли к своей текущей роли?

— Я пробовал себя в разных ролях и контекстах, и старался выносить из всего что-то полезное: CV-решения в области сельскохозяйственных видеосъёмок, LLM-боты для бизнеса, высокоточные 3D-реконструкции человеческого тела и др. К текущей роли (ML Engineer / AI Product Owner) я пришёл методом проб и ошибок: я понял, что мне интересно придумывать, создавать и внедрять ИИ-продукты, решения, которые на практике показывают реальную пользу ИИ для совершенно разных аспектов жизни, а общая направленность интересов привела меня сейчас в EdTech.

Сложности и драйв: где кроется настоящий кайф работы с данными

— Что для вас является самым сложным в работе сегодня? А что, наоборот, приносит наибольшее удовлетворение и драйв?

— Самое сложное — это отделять сигнал от шума не с помощью ML, а с помощью собственного критического мышления. В такое время мы сейчас живём: общая картина невероятно сложная и динамичная, информация в переизбытке, а из всего этого нужно составлять осмысленные нарративы, а не просто «роботически» выполнять какие-то рутинные действия. Именно моменты, когда удаётся находить и вычленять для себя такие смыслы, находить ясность, при этом убеждаясь, что она не кажущаяся, можно сравнить с «драйвом». Это проявляется и в работе с данными, и в продумывании стратегии развития продуктов, и в постановке задач, и в целом в осмыслении всего происходящего — везде нужно уметь отличать реальную проблему от информационного шума вокруг неё.

Рекомендации для новичков: прокачивайте метанавыки и учите английский

— Какие рекомендации могли бы дать тем, кто в начале пути в IT?

— Поскольку IT-спец — это человек, прежде всего умеющий решать проблемы в виртуальном поле и с помощью своего мышления, он всегда должен держать в тонусе различные когнитивные метанавыки: инженерный подход во всём, понимание смысла научной методологии и её связи с DS/ML, умение системно мыслить и проектировать, понимание общих принципов обучения новому как для машин, так и для живых существ (в том числе самого себя). Рекомендую обратить внимание на принцип, который известен под названием First Principles Thinking, — это невероятно важный концепт, и с развитием ИИ он становится всё более актуальным. Такой человек всегда будет адаптивен и востребован при должных усилиях со своей стороны. И плюс: обязательно прокачивать английский!

Сила сообщества: почему выпускникам важно оставаться на связи

— Как вы думаете, почему важно сообщество выпускников? Есть ли в вашем личном опыте пример участия в подобных сообществах?

— Потому что все мы от природы очень социальные существа, даже data scientist’s :) Чужой пример, обмен опытом — это одни из важнейших механизмов научения, а возможность поддерживать неформальную связь и вести нетворкинг бесценна на пути проф. реализации.

Полезные ресурсы от Антона: что посмотреть и почитать будущему лидеру ИИ-продуктов

— Поделитесь, ресурсами, которые помогут держать руку на пульсе и развивать нужные навыки.

• Domain of Science (YT) — богатые иллюстрации и mindmaps по всем областям науки и увлечениям гиков/инженеров. Очень интересно и полезно для общего развития.

• machine learrrning (Tg, YT) — доступные и наглядные объяснения базовых концепций и алгоритмов ML. Кстати, автор канала (Юлия Пономарёва) преподаёт в ЦК МФТИ :)

• freeCodeCamp.org (YT) — базовые и содержательные туториалы по вообще всему в IT, совершенно бесплатно.

• DeepLizard (YT) — хоть и древние, но классные объяснения по нейронным сетям.

• dudvstud (YT) — математический хардкор по Data Science.

• AI Papers Academy (YT) — научные AI статьи простым языком.

Благодарим Антона за откровенный разговор и полезные рекомендации.

Рассказ Антона подтверждает: в мире переизбытка информации и готовых моделей главной ценностью остается собственное критическое мышление, а знания становятся по-настоящему мощными, когда их обладатели готовы выстраивать живые сообщества и делиться опытом.

Следите за новыми интервью в рубрике «5 вопросов выпускнику»!

---