Сколько зарабатывает специалист по машинному обучению

Специалист по машинному обучению: средняя зарплата и функционал. Кто это, чем занимается и как им стать?

Специалист по машинному обучению, нюансы профессии: чем занимается, сколько зарабатывает и где можно выучиться? Обо всем этом Вы узнаете из нашей статьи.

время на прочтение: 2 мин.

Специалист по машинному обучению, кто это и в чем суть его работы? Область его деятельности лежит в сфере искусственного интеллекта и является частью Data Science, где человек с помощью данных обучает и постоянно совершенствует сложные системы. Для работы он использует большие массивы информации, помогающие компьютерам и программам самостоятельно принимать решения. Специалист по машинному обучению или Machine Learning Engineer выполняет прикладные задачи, решает конкретные запросы пользователя и автоматизирует работу с помощью нейросетей. Именно ML помогает ботам, навигаторам и умным колонкам понимать и самостоятельно обрабатывать запросы пользователя, учить их реагировать на изменяющиеся обстоятельства внешней среды без участия оператора.

Основной функционал и навыки

Чем занимается специалист по машинному обучению зависит от проекта и конкретной поставленной цели. Но всегда Machine Learning Engineer работает с большими массивами данных и искусственным интеллектом. Условно весь процесс машинного обучения состоит из 2-х этапов:

1. Работа с данными. Искусственный интеллект в чем-то похож на маленького ребенка, который не может самостоятельно отличить одно от другого, пока ему не объяснят разницу. Для обучения нейросетей требуется много информации, которую специалист по МО должен собрать и оформить (разметить). Например, чтобы обучить систему распознавать пол человека по лицу, необходимо загрузить большое количество фотографии мужчин и женщин с соответствующими подписями. Идеально, если фотографии будут сделаны во всех возможных ситуациях: с разным освещением, ракурсом, с разными эмоциями. Чтобы машина смогла «ознакомиться» со всеми вариантами того, как может выглядеть мужское и женское лицо.
2. Разработка обучающих алгоритмов. Именно алгоритмы лежат в основе самостоятельного мышления искусственного интеллекта. Специалист по МО создает модели, позволяющие спрогнозировать изменение, результат и проч. Благодаря таким моделям системы могут сами принимать решения, основываясь на старых и новых данных.

Для этого специалист по МО должен обладать навыками:

• программирования, в основном это язык Python, но также приветствуется знание R, Java, C++, Scala;
• работы с библиотеками и фреймворками;
• прикладной статистики, линейной алгебры, теории вероятностей, дисперсионном анализе;
• построения алгоритмов, анализа больших данных, моделирования;
• английского языка;
• SQL.

Это основной набор требований, встречающийся практически в каждой вакансии.

Какие компании заинтересованы в специалисте по МО?

Искусственный интеллект помогает существенно упростить процессы, автоматизировать работу. Поэтому все больше компаний обращаются к внедрению в производственные процессы нейросетей. Профессия специалиста по машинному обучению востребована в самых разных областях:

• медицинские технологии;
• финансы;
• маркетинг;
• IT-сфера: разработка ПО, приложений, игр;
• торговля, например интернет-магазины.

Средняя зарплата

Средняя зарплата эксперта по ML зависит от его квалификации: Junior, Middle или Senior. Крупные организации готовы платить начинающим сотрудникам от 40 тыс. в среднем по России и от 80 тыс. в Москве. К ним предъявляются минимальные требования и основной функционал заключается в подготовке данных, создании выборки и построении несложных алгоритмов.

Middle специалист по машинному обучению получает зарплату от 70 тыс. по России, от 100 тыс. в столице. Работодатели ожидают от него самостоятельной разработки и оценки работоспособности алгоритмов, умения решить конкретную бизнес-задачу с помощью кода. Мидл должен обладать опытом работы от 2-х лет, глубоко разбираться в статистике и уметь анализировать.

Старший или Senior в среднем получает по России от 100 тыс., а по Москве от 200 тыс. Данный сотрудник должен обладать опытом в сфере от 5 лет, разбираться в работе нейросетей, обладать комплексными знаниями в анализе данных.

Где учат на специалиста по машинному обучению?

Будущие специалисты по машинному обучению выбирают, где учиться в зависимости от имеющегося бэкграунда. Всего есть 3 варианта:

• самостоятельно – подходит для тех, кто долгое время проработал в Data Science или Data Analytics и хочет сам обучиться новой профессии. Технические знания, навыки программирования и хотя бы косвенное знакомство с нейросетями облегчит самостоятельное изучение для перехода в новую область;
• курсы – вариант одинаково подходит людям с опытом в IT и рядовым пользователям компьютера. Курсы в сжатом формате дают необходимые знания, учат основам ML, необходимым навыкам программирования, работе с инструментами анализа и моделирования данных. Подобное обучение значительно короче по времени и дешевле ВУЗовского. Средняя стоимость курсов держится на уровне 100 тыс.;
• ВУЗ помогает получить комплексные и исчерпывающие знания по профессии, к тому же диплом является дополнительным преимуществом при устройстве на работу. ML обучают например в КГУ и АГУ (профиль «Интеллектуальные информационные системы и технологии»), в МТУСИ (программа «Искусственный интеллект и машинное обучение»).

Вход в специальность находится на достаточно высоком уровне и требует от претендента на должность широкого списка навыков. Machine Learning Engineer помогают выстраивать алгоритмы для решения конкретных задач, именно поэтому будущие сотрудники должны обладать зачастую специфичными знаниями о среде. Но все это окупается постоянным ростом зарплат и востребованностью профессии.

Найдем ИТ-специалистов любого уровня и направлений

• Работаем без предоплаты
• Первый кандидат через 3 дня
• Финансовая гарантия в течение 3 месяцев

Сколько зарабатывает специалист по машинному обучению: обзор зарплат и вакансий в 2021

Привет, Хабр! Мы продолжаем свою серию аналитических статей о рынке зарплат и вакансий в IT. И сегодня на очереди ML-инженер, или специалист по машинному обучению, тем более, что 23 марта Skillfactory запускает новый поток продвинутого курса Machine Learning и Deep Learning.

Machine Learning Engineer – специальность № 1 в разработке и проектировании сложных систем, которая в декабре 2020 года занимала 38,54 % вакансий отрасли и примерно 9 % всех вакансий на российском рынке IT. Так давайте разберёмся, сколько на самом деле получают специалисты по машинному обучению, как попасть в ML и куда можно развиваться. Поехали!

Ранее в нашем блоге уже выходили подобные материалы про дата-сайентистов и дата-аналитиков, если вы заинтересованы в этих специальностях — рекомендуем ознакомиться.

Кто такой ML-инженер

Machine Learning Engineer – это эксперт в области искусственного интеллекта. Именно он разрабатывает алгоритмы, по которым «думает» компьютер.

Машинное обучение позволяет автоматизировать труд человека. ML нужен для создания нейросетей, которые анализируют всё что угодно: от комбинаций в шахматах до максимальной персонификации рекламы в соцсетях. ML позволяет создавать программы для прогнозов, которые работают гораздо лучше человека.

А ещё специалист по машинному обучению создает ботов, которые общаются с клиентами. Так что именно им нужно говорить спасибо за «Бот, позови оператора». «Алиса», Siri и голосовой помощник Олег, – это, кстати, тоже детище ML-инженеров.

Профессия инженера машинного обучения – это подраздел Data Science. И деятельность ML-инженера больше ориентирована на практические задачи. Он решает бизнес-задачи, используя алгоритмы машинного обучения. Он может использовать существующие наработки или писать каждый раз новые – это не важно. Единственная цель – качественное выполнение задачи с наименьшими затратами ресурсов.

Что требуют работодатели от ML-Engineer

Пул навыков довольно большой. Мы проанализировали свыше 350 вакансий и заметили, что в большинстве из них чётко разделены компетенции специалиста по Data Science и ML. Но требования к вакансиям всё равно очень схожие.

Дело в том, что специалистов по машинному обучению прицельно ищут крупные компании, которые используют или планируют использовать алгоритмы искусственного интеллекта в своих проектах.

Работодатели в большинстве случаев знают, для чего им нужен специалист по ML и какими компетенциями он должен обладать. Вот те, что попадаются в вакансиях чаще всего:

Высокие математические навыки. Линейная алгебра, теория вероятностей, прикладная статистика – всё это нужно знать на очень высоком уровне. В ML довольно часто используются байесовы сети, марковский процесс принятия решений, скрытые марковские модели, условные вероятности. А ещё нужно хорошо разбираться в дисперсионном анализе и уметь проверять статистические гипотезы.

Базис программирования. Python упоминается в абсолютном большинстве вакансий – примерно 92 % всех, но также работодатели требуют знания R, Java, C++, Scala. Также необходимы навыки использования библиотек вроде pandas, OpenCV, Numpy, Eigen, NLTK, Spacy, scikit-learn или других.

Моделирование данных. Ещё один базовый навык, который необходим в большинстве вакансий. Именно от навыков моделирования данных зависит эффективность машинного обучения. В основном необходимо знать паттерны моделирования, алгоритмы итеративного обучения и стратегии оценки точности моделей.

SQL. В 73 % вакансий требуют знания SQL, но очень много вакансий, в которых необходимы навыки в NoSQL СУБД.

Английский язык. Все без исключения международные команды требуют уровень английского не ниже, чем Intermediate, а лучше – Upper Intermediate. Для проектов на российском рынке это не обязательно, но почти всегда выделяется как дополнительный плюс.

Гибкие методологии разработки проектов. Примерно в трети вакансий упоминаются Agile, Scrum, Kanban и другие гибкие методологии. Опыт работы с ними считается плюсом, но не обязателен.

В целом требования в вакансии ML-инженера и дата-сайентиста довольно сильно пересекаются. Компании малого и среднего бизнеса не делают между ними практически никакой разницы и часто ищут сразу «Data Scientist / ML-Engineer».

Софт-скилы предсказуемы. Они с минимальными расхождениями копируют требования из вакансий Data Scientist и Data Analyst:

• аналитический склад мышления, логика;
• коммуникативность;
• инициативность;
• внимательность к деталям.

Но все же есть и любопытные наблюдения. В целом софтскиллы упоминают в два раза меньше компаний, чем, к примеру, в вакансиях Data Analyst. Здесь ключевую роль играют хард-скилы. Личностные навыки и особенности характера вторичны.

Зарплаты и вакансии в России и не только

Подходим к самому интересному. По состоянию на 04.03.2021 и данным с hh.ru, в России имеются 1052 вакансии, которые содержат упоминания ML или машинного обучения.

Но больше половины из них – это пересечение Python-девелопера с навыками в ML и дата-сайентиста, который должен хотя бы в общих чертах понимать, как работает машинное обучение.

Непосредственно к машинному обучению относится чуть больше 500 вакансий. За 2020 год востребованность специальности выросла более чем в 2 раза и продолжает расти.

Большинство вакансий открыто в Москве – 55 %. Примерно 17,5 % размещены для Санкт-Петербурга. Примерно 24,5 % разбросаны по другим крупным городам России с населением выше 500 000 человек. Количество вакансий в населённых пунктах меньше 200 000 жителей не превышает 2 %.

В целом локации и востребованность коррелируют с отраслями Data Science и Data Analyst. Основной работодатель – московские компании и международные бренды, у которых есть офис в Москве.

Основная проблема – 80 % компаний не указывает вилку зарплат или хотя бы примерный уровень, на который может рассчитывать соискатель.

Мы проанализировали 200 вакансий к открытыми предложениями по зарплате. Результаты довольно неплохие. Медиана проходит по точке в 165 000 рублей. Это уровень месячной зарплаты, на который реально может рассчитывать специалист с 1–2-летним опытом в ML.

Junior ML-engineer или специалист, который хочет попасть в машинное обучение из смежных отраслей, может рассчитывать на оплату от 80 тысяч рублей.

Опытный сеньор может зарабатывать от 200 000 рублей. И это далеко не предел. В крупных международных компаниях отделы ML сегодня растут очень быстро, и специалист топового уровня может рассчитывать на зарплату 330 000 рублей.

В регионах ситуация значительно хуже. Примерно половина вакансий вообще смешивает специалистов по ML, DS и DA в одного. А в остальных навыки машинного обучения – это дополнительная компетенция, а не основная.

Даже если компания понимает, зачем ей нужен ML, то с зарплатами в регионах не очень. Есть предложения для джунов от 25 000 рублей, а выше 80 000 уже считается отличной зарплатой для профи.

Зато на международном рынке всё хорошо у специалистов по машинному обучению.

По данным salary.com, годовая зарплата ML-инженера в США составляет 120 000 долларов по медиане. Это 10 000 долларов в месяц или, в переводе на деревянные, 730 000 рублей.

Glassdoor, к примеру, считает профессию специалиста по машинному обучению одной их самых защищённых на сегодня. И прогнозирует в ближайшие несколько лет ещё большее повышение спроса на неё.

С удалёнкой всё не очень радужно. Большинство компаний стремятся взять ML-инженера на фултайм в офис. Даже в условиях пандемии вакансий, которые допускают удалённую работу, это очень немного.

Откуда прийти и куда расти специалисту по машинному обучению

ML-инженер – не очень дружелюбная специальность для новичков. В неё можно попасть «с нуля», но для этого нужна как минимум крепкая математическая база. В идеале – математическое или экономическое высшее образование. И даже в этом случае нужно быть готовым к сложностям – изучать придётся очень много всего.

Для успешного продвижения и роста нужно понимать, как работает сфера Data Science целиком. Поэтому идеальные стартовые площадки для перехода в ML – это дата-сайентист и дата-аналитик.

Также в машинное обучение могут перейти разработчики на Python. Для этого нужно будет разобраться с основными ML-библиотеками.

Специалист по машинному обучению – довольно узкая специальность и в большинстве случаев является конечным этапом развития специалиста. Но при желании ML-инженер всегда может перейти и в аналитику данных, дата-сайенс или фулстек-разработку. С его опытом и умениями на любую из этих позиций его оторвут с руками и ногами. Старайтесь, учитесь – и у вас получится.

ML-инженер — универсальный специалист, подобный швейцарскому ножу. Для желающих стать таким специалистов, у нас есть специальный продвинутый курс Machine Learning и Deep Learning. А промокод HABR даст скидку 50%.

Узнайте, как прокачаться и в других специальностях или освоить их с нуля:

• Профессия Data Scientist
• Профессия Data Analyst
• Курс по Data Engineering

ПРОФЕССИИ

• Профессия Java-разработчик
• Профессия QA-инженер на JAVA
• Профессия Frontend-разработчик
• Профессия Этичный хакер
• Профессия C++ разработчик
• Профессия Разработчик игр на Unity
• Профессия Веб-разработчик
• Профессия iOS-разработчик с нуля
• Профессия Android-разработчик с нуля

КУРСЫ

• Курс по Machine Learning
• Математика и Machine Learning для Data Science
• Математика для Data Science
• Курс «Python для веб-разработки»
• Курс «Алгоритмы и структуры данных»
• Курс по аналитике данных
• Курс по DevOps

Зарплаты: Machine Learning, Россия | август 2023 года

281 703 руб. — средняя зарплата для ‘Machine Learning’ (Россия).

Средняя зарплата для ‘Machine Learning’, рассчитанная на основе вакансий, показывает среднее арифметическое по зарплатам из найденных вакансий (количество таких вакансий для ‘Machine Learning’ равно 79).

251 000 руб. — медианная зарплата для ‘Machine Learning’ (Россия).

Возможно, вас заинтересуют зарплатные обзоры по следующим профессиям и специализиям (Россия):

Обзор зарплат (Россия)

Профессия, должность	Средняя зарплата, руб.	Медианная зарплата, руб.	сколько вакансий с зарплатой учитывалось // всего вакансий // дата вычисления зарплат
MLOps	339800.0	351000.0	5 вак. (с зп) 30 вак. 03.10.2023

Статистика зарплат для ‘Machine Learning’ по городам

Лидеры по количеству вакансий для ‘Machine Learning’: Москва, Санкт-Петербург, Нижний Новгород, Казань, Новосибирск.

Лидеры по уровню средней зарплаты для ‘Machine Learning’: Казань, Ростов-на-Дону, Екатеринбург, Москва, Санкт-Петербург.

Обзор зарплат для ‘Machine Learning’ по городам

Населённый пункт	Средняя зарплата, руб.	Медианная зарплата, руб.	сколько вакансий с зарплатой учитывалось // всего вакансий // дата вычисления зарплат
Москва	341944.0	299000.0	45 вак. (с зп) 303 вак. 25.08.2023
Санкт-Петербург	285667.0	261000.0	12 вак. (с зп) 46 вак. 26.08.2023
Нижний Новгород	170583.0	95000.0	12 вак. (с зп) 46 вак. 26.02.2022
Казань	417909.0	419000.0	11 вак. (с зп) 39 вак. 26.02.2022
Новосибирск	231000.0	225000.0	6 вак. (с зп) 31 вак. 09.11.2022
Екатеринбург	359667.0	221000.0	6 вак. (с зп) 18 вак. 25.02.2022
Томск	159667.0	153000.0	6 вак. (с зп) 17 вак. 26.02.2022
Ростов-на-Дону	360333.0	221000.0	6 вак. (с зп) 12 вак. 26.02.2022
Краснодар	182200.0	147000.0	5 вак. (с зп) 12 вак. 28.07.2023

Возможно, вас заинтересуют эти онлайн-курсы

Перед выбором онлайн-курса рекомендуем изучить отзывы об онлайн школе и самом курсе.

Кто такой специалист по машинному обучению, что делает и сколько зарабатывает

Здравствуйте! В статье мы поговорим о специалистах по Machine Learning. Узнаем, чем они занимаются, что входит в обязанности ML-инженера уровня junior, middle и senior, какая у них зарплата, а также расскажем о плюсах и минусах профессии ML Engineer.

Кто такой специалист по Machine Learning и чем занимается

В переводе с английского Machine Learning – это машинное обучение, современное и перспективное направление в области искусственного интеллекта. Технология применяется в разных сферах: IT, интернет-маркетинг, ритейл, промышленность, медицина, наука и др.

ML представляет собой набор алгоритмы для создания различных моделей на основе данных, благодаря которым компьютерная программа делает правильный выбор из множества вариантов без участия человека.

Объясним, что такое машинное обучение, на простом примере — приложение для заказа такси. Система собирает данные об актуальной ситуации: карта, геолокация, пробки, ремонтные работы на дорогах и т. д. Далее алгоритм быстро анализирует эту информацию, находит несколько возможных путей проезда и строит оптимальный маршрут. В зависимости от расстояния и уровня спроса сервис рассчитывает стоимость поездки.

Разработкой таких аналитических и рекомендательных систем, которые за короткий промежуток времени обрабатывают терабайты быстро меняющихся данных, занимаются ML-инженеры.

Специалист по машинному обучению – это инженер, который создает и обучает ML-модели, а именно:

• Собирает из разных источников большие объемы информации (текст, таблицы, изображения видео и пр.) и приводит к единому формату, то есть делает датасет.
• Выдвигает гипотезы и теории, какие данные из всего массива потребуются для анализа, затем «очищает» материал от ошибок и пропусков, которые могут исказить результат.
• Программирует, а затем тренирует ML-модель, которая бы достигала поставленную цель. Например, определяла животное по фотографии, составляла метеопрогноз, делала персональные рекомендации товаров в интернет-магазине и т. д. Под тренировкой понимают множественное решение сходных задач (например, системе нужно показать большое количество фотографий котов разных пород, чтобы среди собак она распознала именно кота).

Что нужно знать и уметь

Специалист Machine Learning знает разные разделы математики: линейную алгебру, дискретную математику, теорию вероятности, статистику и пр. А также он должен уметь программировать на одном из языков: Питон, R, C++, Java, Scala и др. Знание английского на уровне чтения технической документации – еще один важный навык.

Перечислим, какими технологиями и инструментами обычно владеет ML-инженер:

• Методы поиска информации в базах данных и SQL для написания запросов.
• Python и его библиотеки – NumPy, Pandas, Scikit-learn.
• Фреймворки для тренировки нейросети – Apache Spark, TensorFlow, Keras, PyTorch.
• Пакеты SAS или Matlab для решения технических вычислений.
• Программы для визуализации данных, к примеру, Matplotlib или Power BI.
• NLTK для символьной и статистической обработки естественного языка.
• Библиотека OpenCV для программирования компьютерного зрения.
• Паттерны моделирования данных, алгоритмы итеративного обучения, стратегии оценки точности моделей.

Подборка курсов Все онлайн-курсы по машинному обучению в 2023 году
Посмотреть подборку

Про junior, middle и senior

В профессии ML-специалиста выделяют 3 уровня компетенции:

• Junior – начинающий инженер с опытом около 1 года. Он занимается сбором и обработкой данных, определяет параметры, по которым информация будет разбиваться на классы и категории. Джуниор может построить несложную модель машинного обучения под контролем наставника. Для работы с базами данных он должен знать библиотеки Питона, а также MySQL и PostgreSQL.
• Middle – специалист с опытом от 2 до 5 лет, который понимает принципы Big Data, владеет несколькими языками (Python, R), умеет работать с Matlab или SAS и промышленными хранилищами данных. Он может самостоятельно строить ML-модель с нуля и оценить ее производительность, проверять, соответствует ли результат заданным критериям, и решать с помощью математики сложные бизнес-задачи.
• Senior – профессионал с опытом работы от 5-7 лет в одной из отраслей: Data Mining, Data Analytics, Machine Learning или математическое моделирование. Он понимает, как строится архитектура нейросетей, знает продвинутые инструменты, например, фреймворк CV для компьютерного зрения. Он может работать уже не только как ведущий инженер, но и руководить подразделением, быть тимлидом.

На нашем сайте собраны онлайн-курсы по Machine Learning от ведущих школ. Выбирайте обучающую программу по стоимости, формату, срокам обучения и другим параметрам с помощью удобных фильтров. Также у нас можно почитать отзывы учеников.

Где работают ML-специалисты

Технология Machine Learning применяется в разных отраслях. Приведем несколько примеров:

• Интернет-продажи – анализ данных о предыдущих покупках, заказах, просмотрах помогает построить рекомендательные системы и показывать пользователям товары, которые могут их заинтересовать.
• Банки и финансовые организации – скоринговая система собирает и анализирует информацию о клиенте, а затем выдает решение об одобрении или отказе в выдаче кредита.
• Медицина – машинное обучение помогает диагностировать болезнь на основании медицинских снимков пациента или спрогнозировать рост заболеваемости.
• Онлайн-сервисы – ML-модель может понимать и синтезировать речь. Так работают голосовые помощники Siri, Алиса и боты в call-центрах. А также в смартфонах применяется Computer Vision – распознавание лиц в банковских приложениях.

К другим сферам, где используется машинное обучение, относятся IT, промышленность, производство, сельское хозяйство и научно-технические центры.

Например, ML-инженеры работают в таких крупных корпорациях, как Google, IBM, Яндекс, Mail.ru, Сбербанк, Ростех и Газпром.

Зарплата Machine Learning Engineer

По оценке нескольких интернет-источников, зарплата российского специалиста по машинному обучению находится в диапазоне:

• 40-80 тыс. руб. – у новичков;
• 80-100 тыс. руб. – у инженеров уровня middle;
• 120-400 тыс. руб. и выше – у senior-специалистов и тимлидов.

Для сравнения, средний годовой заработок Machine Learning Engineer в США — 144 000 долларов (примерно 10,4 млн рублей в год или 865 тыс. руб. в месяц). Данные взяты из неофициального источника, поэтому их можно считать приблизительными.

Мы изучили вакансии на сайте HeadHunter, чтобы выяснить, сколько получают ML-инженеры в разных городах России, и составили сводную таблицу.

Например, оклад стажера начинается от 40 тыс. руб. Специалистам с опытом 5-6 лет платят до 1 млн руб. ежемесячно.

Москва	от 90 000 до 1 000 000 руб.
Санкт-Петербург	от 40 000 до 400 000 руб.
Ростов-на-Дону	до 200 000 до 300 000 руб.
Новосибирск	от 200 000 до 400 000 руб.
Нижний Новгород	от 360 000 до 1 000 000 руб.
Екатеринбург	от 100 000 руб.

Плюсы и минусы и профессии

Перечислим подробно, какие плюсы и минусы есть в профессии Machine Learning Engineer:

Недостатки	Преимущества
Высокий порог входа, профессию нельзя освоить быстро или самостоятельно	Образование можно получить в вузе или в онлайн-школе
Нужны обширные технические знания и навыки программирования	Одна из наиболее перспективных и востребованных специальностей
В ML невозможно заранее делать прогнозы, результаты работы часто непредсказуемы	Высокий заработок даже на старте, а у специалистов с опытом он превышает в разы средний уровень по рынку труда
Требуется непрерывное самообучение и повышение квалификации	Есть возможность развивать карьеру и в России, и за рубежом в разных отраслях
Высокое эмоциональное напряжение, ненормированный график	Можно работать в офисе или удаленно