Всё о менторстве по ML в одном месте

Нет. Программа начинается с диагностики уровня, а первый модуль закрывает Python, SQL и алгоритмы с самых основ. Если опыт уже есть, диагностика покажет, какие темы можно пройти быстрее, и план строится вокруг твоих пробелов, а не с нуля.

Можно, и таких учеников много: с завода, из аналитики, после универа с нулевым багажом по ML. Вкатиться в machine learning с нуля реально, вопрос в маршруте и темпе. Разница с самостоятельным стартом в том, что ты сразу идёшь по проверенному маршруту, а не собираешь его из случайных курсов. Одно оцени реалистично: с нуля путь до оффера длиннее, чем у человека с опытом — 4–6 месяцев против 2–2,5, и на диагностике я честно скажу, сколько он займёт у тебя.

Да, это один из основных форматов. Бэкендеры на Java и Python, аналитики и тестировщики приходят, чтобы перейти в ML, а действующие ML-инженеры — чтобы выйти на следующий грейд и зарплату. На старте разбираем твой опыт и точки роста, дальше работаем над тем, что реально мешает следующему шагу, а не повторяем известное.

Не поздно. Среди моих учеников есть люди от 25 до 40 лет. Ни я, ни работодатели в ML не отбирают по возрасту: на собеседовании смотрят на навыки, легенду и то, как ты рассуждаешь. Опыт из другой области — финансы, медицина, инженерия — это плюс, а не минус: ты видишь задачи под углом, который не видят вчерашние студенты. Единственное, что реально мешает, это ожидание быстрого результата, поэтому сроки честно обсуждаем на диагностике.

Это нормальная стартовая точка. Пройди бесплатную диагностику на сайте: восемь осей от Python до NLP, вопросы из реальных собесов и радар с белыми пятнами на выходе. После неё будет понятно, с какого модуля начинать и подходит ли программа вообще. На созвоне разберём результат и цели.

Около 12 минут, регистрация не нужна: ни почты, ни телефона. Прогресс и результат сохраняются в браузере, поэтому вкладку можно закрыть и вернуться позже, а на другом устройстве тест начнётся заново. Вопросы подбираются под точку старта, которую ты выбираешь на первом экране.

Восемь осей — это то, из чего складывается техническое интервью: Python и алгоритмы, математика и статистика, классический ML, метрики и валидация, Deep Learning, NLP, ML System Design и production. По каждой оси видно долю верных ответов, а в конце собираются три самых слабых места и разбор каждой ошибки. Это не оценка, а порядок работы: закрывать пробелы нужно по зависимостям.

Это одно и то же поле, просто слова из разного времени и разного маркетинга. Data Science — название области знаний, как Computer Science. ML Engineer, AI-инженер, дата-сайентист в вакансиях чаще всего означают одного и того же человека: того, кто работает с данными и моделями. Разница начинается ниже, в доменах. Classic ML и Deep Learning — фундамент, их проходят все. NLP сегодня тоже база, без неё никуда. А дальше идёт развилка: LLM и агенты или RecSys, это параллельные ветки, а не ступени. LLM сейчас нужны почти везде, вплоть до компаний, далёких от ML; RecSys живут в основном в крупных продуктах, вакансий меньше, но и конкуренция другая. Целевой домен мы выбираем на середине программы, когда уже видно, что тебе ближе и где твои шансы выше.

Можно, и это нормальный путь. На странице «Польза» бесплатно лежат диагностика уровня, пять вопросов с техничек и калькулятор вилки, а в Telegram-канале — разборы. Иди по ним, и если через пару месяцев почувствуешь, что упёрся в отсутствие обратной связи или непонятно, что учить дальше, — возвращайся. Именно с этого большинство учеников и приходит.

Сначала тех-скрининг: первый технический синк, где смотрим твой уровень и собираем план. Дальше доступ к платформе shamil.ai с 23 курсами и к закрытым чатам. Потом идут модули — Python и алгоритмы, математика, классический ML, Deep Learning, NLP — с еженедельными созвонами со мной, отчётами и code review. После них карьерный блок: легенда, резюме, моки и выход на рынок.

Я, полностью. Программу определяю, все шесть моков и созвоны провожу сам, разборы пишу и легенду собираю лично: 1-1 у меня с каждым учеником, и написать мне можно в любой момент. Сверху к этому идёт помощь комьюнити: ученики с офферами отвечают в чатах и гоняют друг друга на предмоках. Отдельная фича — бадди: трудоустроенный выпускник, которого я отобрал сам, подключается, когда я занят на моке и ответ нужен прямо сейчас. Это добавка ко мне, а не замена: свою работу я никому не делегирую.

Роадмап — это план и задания на четыре недели по твоим проваленным осям: что изучить, что сделать руками, где взять теорию и как проверить себя. Учишься сам, проверяешь себя сам, обратной связи в нём нет. В менторстве тот же маршрут ведётся до оффера: проверка домашних заданий, шесть мок-собеседований с разбором, резюме и легенда, разбор каждого реального собеседования.

Да, и это не формальность. Машинное обучение без данных не бывает, а данные лежат в базах. Нужно уметь писать запросы, фильтровать, группировать и джойнить большие таблицы, понимать, какая база под какую задачу. На собесах секция по SQL и хранилищам встречается почти всегда. В программе этому отведён свой блок, с нуля объяснять не придётся, если ты уже разработчик.

Программа рассчитана на регулярную работу, а не на рывки. Реально нужно 8–10 часов в неделю: по полтора часа в будни плюс выходные. Внутри недели — уроки на платформе, созвон со мной, отчёт и code review. Точный объём зависит от уровня и цели, на диагностике это обсуждаем. Если горит дедлайн на работе — спокойно сдвигаем.

Да, большинство учеников совмещают. Формат полностью дистанционный, материалы и записи доступны в любое время, созвоны согласуем заранее. Истории учеников на сайте как раз про людей, которые готовились параллельно с работой и вышли на оффер за 4–6 месяцев.

Да, постоянно. Я работаю в Поиске Авито и переношу на платформу то, чем мы реально пользуемся в проде: новые архитектуры, подходы к LLM, свежие вопросы с собесов учеников. Чаще всего меняются NLP и LLM. Классический ML и DL остаются фундаментом и обновляются реже, потому что сама база почти не меняется. За новинками следит ИИ-агент: он присылает мне сводку, а я решаю, что добавить в уроки. Когда урок меняется или выходит новый курс, на платформе приходит уведомление. Все обновления остаются у тебя навсегда, в том числе после оффера.

В формате реального технического интервью, с теми же вопросами, темпом и давлением. Всего шесть моков со мной: тех-скрининг на старте, два по классическому ML (ML и ML+), по одному после Deep Learning, NLP и целевого направления — LLM или RecSys. Каждый с записью и разбором: где ответ засчитали бы, а где нет, что доучить и как переформулировать. Между моками ученики проводят предмоки друг с другом, поэтому к первому боевому собесу формат уже привычен.

Гарантировать оффер честно нельзя, и я этого не обещаю: результат зависит и от твоей работы. Зато модель оплаты устроена так, что основной риск на мне. Основная часть — постоплата — возникает только после трудоустройства как процент от зарплаты. Если ты добросовестно прошёл программу, откликался и ходил на собеседования, но оффера не случилось, постоплата не возникает. Условия зафиксированы в договоре-оферте.

Постоплата — процент от одной месячной зарплаты на руки по твоему офферу. В «Менторстве» три точки: 60 000 ₽ + 175%, 100 000 ₽ + 130% или 160 000 ₽ + 100% — чем больше предоплата, тем меньше процент, а точное соотношение выбираешь ползунком с шагом 10 000 ₽. Пример: оффер 300к × 130% = 390к постоплаты, частями до 3 месяцев уже из новой зарплаты.

Продолжаем работать без доплат. Медиана до оффера — 4–6 месяцев, но бывает дольше: рынок, сезонность, личные обстоятельства. Я остаюсь с тобой до результата, дополнительных платежей нет. Постоплата считается только от реального оффера, а не от плана.

Потому что менторство — это личная работа, а не поток. Я сам провожу созвоны и моки, читаю отчёты и пишу легенду с каждым. Больше шести человек в месяц без потери качества не вытянуть, поэтому набор ограничен. Беру не всех: после брони созвона присылаю анкету, по ней и по разговору решаю, смогу ли довести именно тебя. Места считаются на календарный месяц, первого числа открывается новый набор. Если на этот месяц мест нет — напиши, запишу на ближайший старт.

Считай не цену, а итог. Курс за 150–250 тысяч вперёд оставляет тебя одного с сертификатом. Здесь предоплата от 60 000 ₽, остальное из новой зарплаты, и я финансово заинтересован довести тебя до оффера, а не до конца программы. При медиане офферов 330к менторство окупается за пару месяцев работы. Если нужны только материалы и платформа без обратной связи, есть тариф «Лайт» за 100 000 ₽ без постоплаты.

Без постоплаты есть только «Лайт» — 100 000 ₽ единым платежом: платформа, банк вопросов и комьюнити, но без моков, легенды и созвонов со мной. В «Менторстве» и «Индивидуально» постоплата есть всегда: минимум 100% при максимальной предоплате. Предоплату можно разбить на 2–3 части в рамках месяца без переплаты.

Да, программа полностью онлайн, формат и поддержка те же. Часть учеников целится в удалёнку за рубежом в долларах. Подтвердить оффер и провести платежи из-за рубежа сложнее, поэтому соотношение предоплаты и постоплаты в этом случае обсуждаем на созвоне — напиши мне.

Это разгоняют люди, далёкие от индустрии. Пока я работаю в поиске, ML каждый месяц приносит компании деньги: лучше ранжирование, выше конверсия, меньше фрода. Область не сжимается, а растёт вширь: модели внедряют даже там, где про ML раньше не думали. Молодая профессия — это не риск, а причина, по которой в неё ещё можно войти и быстро вырасти.

Обычно оффер приходит за один-два месяца активного поиска. Бывает до четырёх — это тоже нормально, у всех свои пожелания по деньгам и команде: кто хватается за первый оффер, выходит быстрее. Когда поиск затягивается, причина почти всегда одна из трёх: мало собеседований, человек не разбирает обратную связь после отказов или проваливает самопрезентацию. Последнее решаемо: на собесе человек выбирает человека, поэтому легенду и рассказ о себе мы прогоняем отдельно, до первого боевого интервью.

Я занимаюсь только менторством и работой, других проектов у меня нет, поэтому я на связи: написать можно в любой момент. Созвоны и моки бронируются заранее, 1-1 есть у каждого ученика, а набор ограничен шестью людьми в месяц как раз для того, чтобы это не превратилось в поток. Свою работу я не делегирую: программу, моки, разборы и легенду делаю сам.

Да, это отдельный блок «Хак собесов». Собираем резюме и легенду на 40+ страниц, проводим моки, разбираем реальные интервью по свежим вопросам из чата, сопровождаем отклики и собеседования, помогаем оценить предложение и провести переговоры по зарплате. Медиана от первого отклика до оффера — 48 дней.

Не пишу код и не решаю задания за тебя — на собеседовании это сразу видно. Не обещаю оффер и не называю сроки, которых не могу обеспечить. Не пишу легенду без твоего участия: она должна быть твоей, чтобы ты мог её защитить. Не хожу за тебя на собеседования и не откликаюсь вместо тебя. И не держу за руку тех, кто не присылает отчёты и пропадает: программа рассчитана на регулярную работу с обеих сторон.

Тогда у тебя, скорее всего, есть знания, но нет системы и практики под требования рынка — это самая частая ситуация. Диагностика покажет, что уже усвоено, и план строится вокруг пробелов. Главное отличие от курсов не в материалах, а в обратной связи, моках, легенде и карьерном блоке, которые доводят до оффера.

«Точно сработает» не скажет никто, и я не буду. Но причина, по которой курсы не дали результата, почти всегда одна и та же, и это не отсутствие информации. Не хватает системы, обратной связи от опытного человека, практики и понимания реальных требований рынка. Программа построена ровно вокруг этих четырёх вещей, а оплата устроена так, что основная часть приходит только после твоего оффера. Хочешь проверить на себе до оплаты — начни с бесплатной диагностики.

Яндекс, Т-Банк, Сбер, ВТБ, Wildberries и удалёнка за рубежом в долларах. Медиана офферов — 330 000 ₽ на руки, есть офферы на 400 000 ₽ и выше. Истории с цифрами и сроками собраны на странице «Истории».

Все материалы программы на русском, для старта английский не нужен. Читать документацию и статьи полезно, но это навык, который прокачивается по ходу, а не блокер. Многие ребята начинали без уверенного английского и спокойно вышли на оффер.