Я работаю ML-инженером в Поиске Авито, до этого делал рекомендации в Mail.ru, а в ML пришёл из Java-бэкенда. Сам прошёл больше 80 собеседований как кандидат и веду менторство: в программе 100+ учеников, 30+ из них уже с офферами. Поэтому про деньги в ML могу говорить с двух сторон: что показывают открытые данные и какие суммы на самом деле стоят в письмах с оффером.
Сначала оговорка. Цифры про зарплату ML-инженера в интернете часто нельзя сравнивать между собой. Одни считают по вакансиям, другие по анкетам. Кто-то пишет gross, кто-то на руки. Кто-то берёт медиану, кто-то среднее, и почти никто не говорит, что именно взял. Поэтому у каждой цифры в этой статье я пишу, откуда она и что меряет.
Сколько зарабатывает ML-инженер: короткий ответ
Если нужен ответ в трёх строках:
- По вакансиям hh.ru за сентябрь 2025 года junior ML-инженеру предлагали 70–110 тысяч рублей, middle 220–250 тысяч, senior 348–350 тысяч (hh Карьера).
- По опросу 694 специалистов Data Science за 2025 год большинство junior получают на руки 70–187 тысяч, middle 150–380 тысяч, senior 253–594 тысячи. Это диапазон между 10-м и 90-м перцентилем, то есть без самых низких и самых высоких ответов (Хабр).
- Офферы моих учеников после подготовки лежат в диапазоне 300–400 тысяч на руки, медиана 330 тысяч. Это 11 историй, где люди сами назвали сумму на руки.
Для масштаба: медиана по всему IT в первой половине 2026 года, по данным Хабр Карьеры, 191 тысяча рублей (отчёт).
Между «70 тысяч у джуна» и «330 у ученика» огромный разрыв, и он смущает почти всех, кто первый раз смотрит на эти числа. Дальше разберу, откуда он берётся. Если коротко, решает грейд, на который тебя берут, и то, как ты прошёл собеседование. Годы опыта и сертификаты значат меньше.
Что показывают открытые данные о зарплатах в ML
Я опираюсь на три источника. У каждого своя методика, и без неё цифры легко прочитать неправильно.
hh Карьера, статья от 30 сентября 2025 года. Цифры посчитаны по вакансиям, которые работодатели разместили на hh.ru в сентябре 2025-го. То есть это суммы из объявлений, а не реальные зарплаты. hh называет их средними зарплатами по вакансиям, но как именно считали и gross это или на руки, не пишет. По России картина такая:
| Грейд | Опыт в вакансии | Вилка, тысяч рублей |
|---|---|---|
| Junior | до 2 лет | 70–110 |
| Middle | 3–4 года | 220–250 |
| Senior | от 4 лет | 348–350 |
Вакансии хорошо показывают нижнюю часть рынка и плохо показывают верхнюю. По моему опыту, сильные позиции в крупных компаниях часто публикуют без суммы, и настоящую цифру ты узнаёшь только в оффере.
Опрос специалистов Data Science на Хабре. Автор собрал 694 анкеты с марта по октябрь 2025 года, доход указан на руки. Он сам предупреждает, что выборка не описывает весь рынок: 57% участников из Москвы, медианный участник с тремя годами опыта в DS. Что внутри:
- медиана стажёра 54 тысячи рублей на руки;
- junior: 70–187 тысяч;
- middle: 150–380 тысяч;
- senior: 253–594 тысячи;
- Senior+ и лиды: 283–860 тысяч;
- медиана у руководителей уровня Head и выше 655 тысяч.
Диапазоны middle и senior сильно пересекаются. Senior в небольшой компании может получать меньше, чем middle в бигтехе, и это нормально.
Хабр Карьера, первое полугодие 2026 года. Это самый свежий большой срез: 45 226 зарплат, которые люди анонимно указали в калькуляторе. Отдельной строки про ML там нет, но общий фон виден. Медиана по IT 191 тысяча рублей, на 4% больше, чем во втором полугодии 2025 года. Сам отчёт называется «рост ниже инфляции». Медиана аналитиков 220 тысяч в Москве, 180 в Петербурге и 160 в регионах, у разработчиков 270, 247 и 200 соответственно. Указаны суммы на руки или gross, в отчёте не сказано.
Почему цифры в разных источниках так расходятся
Если положить три источника рядом, кажется, что они описывают разные рынки. На деле они меряют разные вещи.
Вакансии показывают, что работодатель готов написать в объявлении, а самые сильные предложения часто идут вообще без суммы. Отсюда низкие цифры.
Анкеты показывают, что люди сами говорят о своей зарплате. Здесь смещение в другую сторону: опросы проходят те, кто читает профильные каналы, чаще москвичи и люди из крупных компаний.
Офферы учеников показывают третье: что получает человек, который специально готовился к собеседованиям и выходил на рынок с конкретной целью. Случайной выборкой рынка это не назовёшь, и я не пытаюсь её так подать.
Поэтому полезнее спрашивать себя, сколько платят ML-инженеру моего уровня в той компании, куда я иду. Ответ здесь дают грейд и подготовка, средняя по стране мало чем поможет.
Свежего первичного среза именно по ML-инженерам за 2026 год в открытом доступе я не нашёл. Все ML-цифры выше относятся к 2025 году. Если встретишь статью с точной «медианой ML-инженера в 2026», посмотри, откуда она взялась. Часто это пересказ тех же данных без ссылки, а иногда в одной таблице смешаны вакансии, анкеты, gross и net.
Офферы моих учеников: 12 историй с цифрами
Теперь данные, за которые я отвечаю сам. В программе 100+ учеников, у 30+ уже есть офферы, часть ещё учится. Двенадцать человек написали подробные истории: откуда пришли, сколько шли, сколько искали работу и какую сумму получили. Все они лежат на странице историй учеников.
По одиннадцати историям, где известна сумма на руки, медиана 330 тысяч рублей. Разброс от 300 до 400 тысяч на руки и от 345 до 460 тысяч gross. Премии и годовые бонусы в эти числа не входят, хотя они есть почти везде.
Вот кто откуда пришёл.
Из разработки:
- Java-бэкенд, опыта в ML не было совсем. Четыре оффера, лучшие 430 и 460 тысяч gross, на руки 400.
- Год бэкенда в финтехе, junior за 100 тысяч. Оффер 440 тысяч gross, 382 на руки.
- Три года Python-разработки. Оффер 356 тысяч gross, 310 на руки, зарплата выросла больше чем вдвое.
- Два года программистом в маленькой компании: ERP с нуля и настройка почты. Оффер 345 тысяч gross, 300 на руки.
Без опыта в ML и без коммерческого опыта в IT:
- Работал на заводе за 80 тысяч в регионе. Оффер 360 тысяч gross, 313 на руки, с годовой премией 391. Доход вырос больше чем в четыре раза, получилось переехать в Москву.
- После университета, по ML полный ноль. Оффер 375 тысяч gross, 326 на руки.
- Студент третьего курса. Оффер 386 тысяч gross, 330 на руки.
- Студент, которого автоотказы не пускали даже на собеседования. Три оффера: 350, 300 и 250 тысяч gross.
- Почти ничего не знал про ML, учился параллельно с работой. Оффер 380 тысяч gross, 330 на руки в бигтехе по рекомендательным системам, зарплата выросла в 5–6 раз.
Из смежных ролей и ML с опытом:
- Аналитик. Оффер 380 тысяч gross, 330 на руки.
- Около года проджект-менеджером в IT. Оффер 350 тысяч gross, 300 на руки, направление NLP и LLM.
- Два с половиной года ML-инженером, но с уклоном в бэкенд. Оффер 400 тысяч gross, 350 на руки плюс 20% годовой премии, рост зарплаты в 2,2 раза.
Здесь собраны люди, которые прошли подготовку и целились в крупные компании, средний рынок выглядит иначе. Сравнивать себя со всей страницей сразу бессмысленно. Найди историю, где старт похож на твой, и смотри на неё.
У этих историй есть общее и кроме цифр. Почти у всех было несколько моков с разбором, резюме на цифрах и легенда, прогон легенды перед другими учениками и разбор каждого реального собеседования. Большинству понадобилось не одно собеседование: у кого-то было 11 техничек, у кого-то больше 30. Деньги в этих офферах появились из-за того, как человек отвечал на собеседовании, а не из-за названия курса в резюме.
Gross и net: почему 400 тысяч в оффере не равны 400 на карте
С 2025 года в России прогрессивный НДФЛ (ФНС). С дохода до 2,4 млн рублей в год берут 13%, с части от 2,4 до 5 млн 15%, с части от 5 до 20 млн 18%. Повышенная ставка применяется только к сумме сверх порога, а не ко всему доходу.
Посчитаю на примере оклада 400 тысяч gross, если ты работаешь с января и других доходов нет. При такой сумме порог 2,4 млн проходишь ровно в середине года:
- в год выходит 4,8 млн рублей;
- первые шесть месяцев доход не дошёл до 2,4 млн, ставка 13%, на руки 348 тысяч;
- с седьмого месяца ставка 15%, на руки 340 тысяч;
- налог за год 312 + 360 = 672 тысячи, в среднем около 344 тысяч на руки в месяц.
Отсюда два практических вывода. Первый: когда сравниваешь офферы, переводи их в одну валюту, лучше в годовой доход на руки. Второй: всегда уточняй у рекрутера, какую сумму он назвал. «Четыреста» в устном разговоре может оказаться и gross, и net, а разница больше 50 тысяч в месяц.
И отдельно про премию. У одного ученика годовая премия 3–5 окладов, у другого 20% годовых. Два оффера с одинаковым окладом могут отличаться на несколько месячных зарплат в год, так что про бонусы спрашивай сразу.
От чего зависит зарплата ML-инженера
Грейд
С грейда и начну, потому что сумму он двигает сильнее всего. В вакансиях hh.ru senior предлагают в 3–5 раз больше, чем junior. При этом в опросе диапазоны middle (150–380) и senior (253–594) сильно накладываются друг на друга. Получается, что важнее стажа грейд, на который тебя наняли. А грейд решается на собеседовании.
На техническом собеседовании грейд режут в двух местах. Первое место – секция ML System Design: умеешь ли ты начать с бизнес-метрики и ограничений, прежде чем называть модель. Второе – вопросы «почему так»: почему ROC-AUC врёт при дисбалансе, откуда в валидации утечка, что делать, когда офлайн-метрика выросла, а в A/B эффекта нет. Человек, который знает только «как позвать fit», получает предложение уровнем ниже.
Опыт и то, как его засчитывают
В вакансиях hh.ru грейды привязаны к стажу: junior до 2 лет, middle 3–4 года, senior от 4 лет. В опросе специалистов Data Science медианный опыт выглядит похоже: около года у junior, три года у middle, пять у senior и восемь у руководителей уровня Head.
Но стаж засчитывают по-разному. Три года бэкенда без ML для ML-позиции обычно не равны трём годам ML-опыта. При этом они и не обнуляются: продакшн, работа с данными и инфраструктурой ценятся, если ты умеешь о них рассказать на языке ML-задач. Отчасти поэтому у бэкендеров из моих историй офферы получились на уровне 300–400 тысяч на руки, далеко от стартовых вилок.
Навыки, которые видны в деньгах
Автор того же опроса посчитал, как навыки связаны с доходом у людей с похожими опытом, возрастом, грейдом, ролью и географией. A/B-тестирование связано с доходом выше примерно на 14% (95% доверительный интервал от 5 до 24%). ML System Design связан с более высоким грейдом. Это корреляция, а не доказательство, что курс по A/B сразу прибавит 14%. Но направление понятное: деньги идут к тем, кто умеет довести модель до продукта и доказать её пользу экспериментом.
Направление
NLP, LLM, рекомендации, поиск – в эти направления целятся многие мои ученики. Надёжных цифр, которые показывали бы премию за LLM в России, я не нашёл, поэтому выдумывать их не буду. Скажу то, что вижу по собеседованиям учеников: если в вакансии есть LLM, обычно спрашивают про методы дообучения, токенизацию и отладку RAG по частям.
Город
Город заметно двигает сумму. Отдельного среза по ML нет, но у аналитиков в первой половине 2026 года медиана 220 тысяч в Москве и 160 в регионах, у разработчиков 270 и 200. Похожую разницу логично ждать и в ML.
Как ты себя подаёшь и торгуешься
Это самая недооценённая часть. Один ученик почти не откликался на hh: рекрутеры писали ему в телеграм сами, а резюме отдельно хвалили. Другой прошёл 11 технических собеседований и получил два оффера, у третьего было три оффера на выбор, у бэкендера из Java – четыре. Когда у тебя несколько предложений на руках, разговор о деньгах идёт совсем по-другому. Переговоры по офферу я прохожу с учениками отдельно, и обычно они дают ощутимую прибавку к первой цифре.
Сколько получает junior ML-инженер и можно ли сразу выйти выше
В вакансиях junior ML-инженеру в России предлагают 70–110 тысяч. В опросе диапазон шире, 70–187 тысяч на руки, а медиана стажёра 54 тысячи. Это честная стартовая точка рынка.
При этом у учеников, которые пришли без коммерческого опыта в IT и назвали сумму на руки, офферы от 313 до 330 тысяч: 313 у бывшего заводчанина, 326 у выпускника университета, 330 у студента третьего курса. По сумме это верхняя часть диапазона middle из опроса.
Магии тут нет. Эти люди не выходили на рынок как «джун после курсов». Они готовились по вопросам, которые задают на middle-собеседованиях, прошли серию моков с разбором и пришли с резюме и легендой, где опыт описан на языке метрик и решений. Работодатель платит за то, как ты отвечаешь на собеседовании. Строчка в трудовой тут вторична.
Но путь с нуля длиннее, и это надо закладывать заранее. Ориентир такой: 4–6 месяцев обучения и ещё 1–2 месяца поиска. У сильных людей с опытом путь короче, бывает 2–2,5 месяца.
Сколько времени занимает путь до такой зарплаты
Обычный срок у учеников такой: 4–6 месяцев обучения плюс 1–2 месяца поиска работы. В опубликованных историях весь путь от старта до оффера занял от 46 до 343 дней. Медиана поиска по историям 48 дней. Самый быстрый поиск занял 21 день, самый долгий три месяца.
Крайние случаи тоже есть. Бывший проджект-менеджер получил оффер через 46 дней после старта: у друга открылась вакансия, и мы перестроили весь план под неё. Самая долгая история заняла 343 дня: человеку мешали основная работа и страх собеседований. Сам он потом написал, что реально пройти этот путь за полгода.
Ещё одна цифра, о которой редко говорят: количество собеседований. У бэкендера из Java их было больше 30, у Python-разработчика 11 техничек, у ученика из рекомендаций 7 техничек и финалы в двух компаниях. Отказы на этом пути нормальны. Главное – разбирать каждый собес, чтобы одна и та же ошибка не повторялась.
Как поднять свою вилку: что делать по шагам
Если цель – прийти в ML сразу на хорошую сумму, порядок примерно такой.
- Узнай свой реальный уровень. Пройденный курс тут ничего не говорит, нужно понять, на каких темах ты поплывёшь на технической секции.
- Закрой то, что режет грейд. Чаще всего это метрики и валидация, ML System Design и эксперименты. Именно здесь проходит граница между «джун после курсов» и «middle, которому можно отдать задачу».
- Собери резюме на цифрах и легенду. Вместо списка обязанностей – проекты с метриками, экспериментами, альтернативами и тем, как модель дошла до прода. В моей программе легенда занимает 40+ страниц, и у каждого ученика она своя.
- Выходи на рынок пачкой. Несколько процессов одновременно повышают шанс получить офферы в одно время, и тогда тебе есть с чем торговаться.
- Торгуйся и сравнивай в годовом доходе на руки. Переведи каждое предложение в net за год, добавь премию, спроси про пересмотр зарплаты.
Как это разложено по неделям, от Python до выхода на рынок, можно посмотреть в программе менторства.
Если хочешь понять, с какой цифры стартовать именно тебе, пройди диагностику уровня: до 24 вопросов с реальных собеседований, 12 минут, без регистрации. В конце будет радар по восьми осям: какие темы закрыты, а какие будут стоить тебе грейда. С этим уже можно планировать и подготовку, и разговор о деньгах.