Глоссарий IT и ИИ: термины, профессии и карьера в Казахстане

Backend-разработчик создаёт серверную часть цифровых продуктов: бизнес-логику, API, базы данных, интеграции и безопасность. Он отвечает за то, чтобы сайт или приложение корректно обрабатывали запросы, хранили данные и выдерживали нагрузку. В Казахстане backend — одно из базовых направлений входа в разработку.

AI Engineer проектирует и внедряет продукты на основе машинного обучения и генеративного ИИ. Специалист соединяет модели, данные, программный код и инфраструктуру, оценивает качество ответов и следит за безопасностью. Роль подходит разработчикам, которые хотят создавать прикладные ИИ-системы.

Tech Orda — государственная программа Казахстана, которая оплачивает обучение IT-специальностям в аккредитованных школах через образовательные ваучеры. Оператор — Astana Hub. Участник выбирает курс из списка одобренных программ, проходит отбор у провайдера и учится за счёт гранта, а школа получает выплату по факту трудоустройства выпускника.

Зарплаты в IT в Казахстане зависят от трёх факторов: уровня разработчика, типа компании и того, на какой рынок она работает. Разброс между джуниором в локальном аутсорсе и сеньором в продуктовой компании с международными клиентами достигает десятикратного. Публичные вилки в вакансиях отражают нижнюю границу рынка, реальные офферы обычно выше.

Data Scientist исследует данные, строит статистические и машинные модели и помогает принимать решения на основе измеримых закономерностей. В работе сочетаются Python, математика, эксперименты и понимание бизнеса. В Казахстане такие специалисты востребованы в финтехе, телекоме, ритейле и технологических компаниях.

Войти в IT с нуля — значит пройти путь от первой строки кода до оффера, который на практике состоит из четырёх этапов: выбор направления, освоение базы, законченные проекты в портфолио и поиск первой работы. Диплом профильного вуза не обязателен: работодатели в Казахстане смотрят на то, что человек умеет делать, а не на документ об образовании.

SAT и ЕНТ решают разные задачи: ЕНТ — казахстанский экзамен для поступления в вузы страны и получения государственного гранта, SAT — международный тест для поступления в зарубежные университеты. Это не альтернативы друг другу, а инструменты под разные цели, и часть абитуриентов сдаёт оба.

TOEFL (Test of English as a Foreign Language) — международный экзамен по английскому языку для поступления в зарубежные университеты, разработанный ETS. С 21 января 2026 года TOEFL iBT сдаётся в обновлённом формате: чтение и аудирование стали адаптивными, тест сократился, а результат выставляется по шкале от 1 до 6, привязанной к уровням CEFR.

Data Analyst собирает, очищает и интерпретирует данные, создаёт отчёты и дашборды и отвечает на бизнес-вопросы с помощью SQL, таблиц и визуализации. Это практичная точка входа в работу с данными, где важны логика, аккуратность и умение объяснять выводы.

«Болашак» — международная стипендия Президента Республики Казахстан, учреждённая в 1993 году. Оплачивает обучение граждан Казахстана в ведущих зарубежных университетах и стажировки за рубежом. Обязательное условие — после окончания обучения вернуться и отработать в Казахстане установленный срок. За годы существования программа подготовила значительную часть управленческой и профессиональной элиты страны.

Алгоритм — это точная последовательность действий для решения задачи. В программировании алгоритмы помогают писать быстрый, предсказуемый и масштабируемый код, а знание структур данных необходимо для технических интервью. Навык развивается через разбор подходов и регулярную практику задач.

Astana Hub — международный технопарк IT-стартапов в Казахстане, созданный государством для развития технологической отрасли. Даёт компаниям-резидентам налоговые льготы, ведёт акселерационные программы и выступает оператором образовательных инициатив, включая Tech Orda. Фактически это точка входа в казахстанскую технологическую экосистему.

IT-компании Казахстана делятся на три типа: продуктовые компании, которые развивают собственный сервис, аутсорс и интеграторы, работающие на заказ, и внутренние IT-подразделения банков и корпораций. От типа компании зависит всё остальное — уровень задач, скорость роста, требования на собеседовании и доход.

Digital SAT — цифровая версия экзамена SAT, которую College Board сделала основным форматом. Тест сдаётся на компьютере в приложении Bluebook, длится около двух часов и адаптируется к уровню участника: сложность второго модуля зависит от результатов первого. Разделов два — Reading and Writing и Math.

Проходного балла SAT в строгом смысле не существует: университеты не устанавливают минимум, а публикуют диапазон баллов уже зачисленных студентов. Общий результат складывается из двух секций и выражается числом от 400 до 1600. Ориентиром служит средний диапазон поступивших в конкретный вуз, который публикуется в его отчётности.

ЕНТ — Единое национальное тестирование, государственный экзамен в Казахстане, по результатам которого выпускники школ поступают в отечественные вузы и претендуют на государственный образовательный грант. Тест включает обязательные предметы и два профильных, которые абитуриент выбирает под будущую специальность.

Гранты на обучение в Казахстане — формы финансирования учёбы за счёт государства, работодателей или самих учебных заведений. Основные виды: государственный образовательный грант для вузов по результатам ЕНТ, стипендия «Болашак» для обучения за рубежом, образовательные ваучеры Tech Orda для IT-программ и собственные стипендии университетов.

Часть университетов Казахстана учитывает результаты SAT при поступлении или при назначении стипендий. Назарбаев Университет требует отправки результатов SAT или ACT вместе с языковым экзаменом для участия в конкурсе на программы бакалавриата. Ряд частных вузов использует SAT как основание для стипендий за академические заслуги.

Машинное обучение — область ИИ, в которой модели находят закономерности в данных и делают прогнозы без явного программирования каждого правила. Качество решения зависит от данных, метрики, обучения и проверки. Технология применяется в рекомендациях, скоринге, распознавании и автоматизации.

Генеративный ИИ создаёт новый контент — текст, код, изображения, аудио или видео — на основе изученных данных и пользовательского запроса. Современные продукты используют большие языковые и мультимодальные модели, а разработчики дополняют их поиском, инструментами и проверками качества.

Джуниор, мидл и сеньор — три основных уровня квалификации разработчика. Джуниор решает поставленные задачи под присмотром, мидл работает самостоятельно и отвечает за свой участок, сеньор проектирует решения, принимает технические решения за команду и отвечает за их последствия. Границы между уровнями определяет компания, единого стандарта нет.

LLM (large language model, большая языковая модель) — нейросеть, обученная на больших объёмах текста предсказывать следующий фрагмент по предыдущему. Из этой простой задачи вырастает способность отвечать на вопросы, писать код и рассуждать. На LLM построены ChatGPT, Claude и Gemini. Модель не хранит факты как база данных, а воспроизводит закономерности языка.

Смена профессии на IT после 30 — переход в разработку, аналитику или смежные роли из другой сферы во взрослом возрасте. Возраст не является барьером на входе: работодатели оценивают навыки. Реальные ограничения другие — меньше свободного времени, финансовые обязательства и выше цена ошибки. Зато опыт из прошлой профессии часто становится конкурентным преимуществом.

Common App (Common Application) — единая онлайн-платформа для подачи документов в сотни университетов, преимущественно американских. Абитуриент один раз заполняет анкету, пишет основное эссе и загружает данные об оценках, а затем отправляет заявку сразу в несколько вузов, добавляя к каждому дополнительные вопросы этого университета.

Самостоятельная подготовка к SAT строится на трёх элементах: диагностический тест в Bluebook, работа над слабыми темами и регулярный разбор ошибок. Все официальные материалы College Board и адаптивные пробные тесты бесплатны. Главные риски самостоятельного пути — отсутствие внешней диагностики пробелов и срыв графика занятий.

AI-инженер строит продукты на основе готовых языковых моделей: проектирует промпты, подключает источники данных через RAG, настраивает вызовы инструментов, выстраивает проверки качества и отвечает за стоимость и надёжность решения. Это инженерная роль, ближе к разработке продуктов, чем к исследованию и обучению моделей.

Frontend-разработчик создаёт видимую и интерактивную часть сайтов и веб-приложений. Он превращает дизайн в доступный интерфейс, работает с HTML, CSS, JavaScript и фреймворками, оптимизирует скорость и адаптивность. Результат его работы напрямую видит пользователь.

Техническое интервью — этап найма, на котором проверяют мышление, основы разработки, алгоритмы, архитектуру и способность объяснять решения. Формат зависит от роли и уровня. Подготовка включает повторение базы, практику задач, пробные интервью и разбор реальных проектов.

Стажировка в IT — временная позиция для начинающего специалиста, где он работает над реальными задачами под руководством наставника. Для компании это способ отобрать кандидатов на постоянные позиции, для стажёра — самый надёжный вход в профессию без опыта. Значительная часть стажёров получает оффер по итогам программы.

Буткамп — интенсивная образовательная программа, которая за несколько месяцев готовит человека к работе по конкретной специальности. Отличается от курса плотностью нагрузки, работой над реальными проектами и обязательной обратной связью на код от практикующих специалистов. Формат возник как альтернатива многолетнему профильному образованию.

Удалённая работа из Казахстана — формат, при котором IT-специалист живёт в Казахстане и работает на компанию без обязательного присутствия в офисе: на местного работодателя или на зарубежного. Второй вариант снимает потолок локального рынка по доходу, но требует английского, подтверждённого опыта и понимания того, как оформить сотрудничество юридически.

IELTS (International English Language Testing System) — международный экзамен по английскому языку, который принимают университеты, работодатели и миграционные службы. Оценивается по шкале от 0 до 9 баллов с шагом 0,5. Существует в двух версиях: Academic — для поступления в вузы, и General Training — для работы и иммиграции.

SAT Math — математическая секция экзамена SAT, оцениваемая от 200 до 800 баллов. Охватывает алгебру, работу с данными, базовую геометрию и тригонометрию, продвинутую алгебру. В цифровом формате секция состоит из двух адаптивных модулей, а встроенный калькулятор Desmos доступен на протяжении всей секции.

SAT Reading and Writing — вербальная секция экзамена, оцениваемая от 200 до 800 баллов. В цифровом формате она состоит из коротких текстов, к каждому из которых задан один вопрос. Проверяются понимание прочитанного, работа с аргументацией и доказательствами, словарный запас в контексте и грамматика. Для абитуриентов из Казахстана это обычно более сложная секция, чем математика.

Галлюцинации ИИ — ответы языковой модели, которые выглядят достоверно, но не соответствуют действительности: выдуманные факты, несуществующие источники, неверные цифры. Это следствие устройства модели: она предсказывает правдоподобное продолжение текста, а не проверяет истинность, и не различает «знаю» и «не знаю».

AI-агент — система на основе языковой модели, которая не просто отвечает текстом, а выполняет задачу: сама решает, какие шаги предпринять, вызывает внешние инструменты, оценивает промежуточные результаты и продолжает, пока цель не достигнута. Отличие от обычного запроса — в самостоятельном планировании и в действиях, а не только в словах.

Автоматизация с ИИ — передача рутинных задач системам на базе языковых моделей: обработка входящих сообщений, классификация обращений, подготовка черновиков, извлечение данных из документов. Отличие от обычной автоматизации в том, что ИИ справляется с неструктурированными данными, где жёсткие правила не работают.

ИИ в маркетинге — применение языковых и генеративных моделей для производства контента, анализа данных, персонализации и автоматизации рутины. Наибольший эффект даёт не замена маркетолога, а сокращение времени на подготовку материалов и обработку данных, за счёт которого освобождается время на стратегию и проверку гипотез.

Приватность данных в ИИ — вопрос о том, что происходит с информацией, которую вы отправляете в языковую модель: где она хранится, кто имеет к ней доступ и используется ли для обучения. Условия различаются у потребительских и корпоративных версий сервисов, поэтому перед работой с чувствительными данными их нужно читать, а не предполагать.

Корпоративное внедрение ИИ — переход компании от отдельных экспериментов сотрудников к системному использованию: выбор задач, правила обращения с данными, обучение команды и измерение эффекта. Основная причина неудачных внедрений не техническая: инструменты закупают, но не меняют процессы и не учат людей ими пользоваться.

A/B-тест — эксперимент, в котором пользователей случайно делят на группы и показывают им разные версии продукта, письма или рекламы, чтобы измерить, какая работает лучше. Случайное распределение гарантирует, что разница в результатах вызвана именно изменением, а не различиями между людьми в группах.

SAT — стандартизированный экзамен для поступления в университеты, оценивающий навыки чтения, письма и математики. Требования различаются по вузам и программам, поэтому абитуриенту важно заранее проверить правила приёма, определить целевой балл и выстроить план регулярной подготовки.

Стартап — команда, которая ищет масштабируемую бизнес-модель в условиях высокой неопределённости. В отличие от обычного малого бизнеса, стартап быстро проверяет гипотезы, разговаривает с пользователями, измеряет рост и меняет продукт. Казахстанская экосистема включает акселераторы, фонды и Astana Hub.

Промпт-инжиниринг — практика формулирования запросов к языковой модели так, чтобы получать нужный результат стабильно, а не случайно. Включает описание роли и контекста, примеры желаемого ответа, явные ограничения формата и разбиение сложной задачи на шаги. Это прикладной навык, не требующий программирования.

Оффер — официальное предложение о работе, которое компания делает кандидату после успешного отбора. В нём фиксируются должность, зарплата, формат работы, дата выхода и испытательный срок. Оффер — ещё не трудовой договор: это момент, когда условия можно обсудить, и единственный момент, когда у кандидата максимальная переговорная позиция.

Резюме разработчика — одностраничный документ, по которому рекрутер решает, звать ли кандидата на собеседование. У резюме одна задача — пройти первичный отбор за полминуты просмотра. Для начинающего разработчика его центр — проекты со ссылками и конкретными результатами, а не перечень технологий или пройденных курсов.

Выбирать IT-курсы стоит по тому, что происходит внутри обучения, а не по рекламе: есть ли ревью кода живым человеком, кто преподаёт, какие проекты остаются у выпускника и как школа отбирает студентов. Обещания гарантированного трудоустройства и профессии за месяц — признак того, что школа продаёт ожидания, а не навык.

Early Decision и Early Action — форматы ранней подачи документов в американские университеты. При Early Decision абитуриент обязуется поступить, если его примут, и может подать так только в один вуз. Early Action такого обязательства не создаёт. Оба формата означают более ранний дедлайн и более ранний ответ от университета.

QA-инженер отвечает за качество продукта: проектирует проверки, находит дефекты до того, как их увидит пользователь, и следит за тем, чтобы новые изменения не ломали работающую функциональность. Различают ручное тестирование и автоматизацию, где проверки описываются кодом. QA — одна из наиболее доступных точек входа в IT.

Product manager (продакт-менеджер) отвечает за то, что команда строит и зачем. Он изучает потребности пользователей, определяет приоритеты, формулирует задачи для команды и отвечает за результат продукта в метриках. Это роль без прямых подчинённых: влияние строится на аргументах и данных, а не на полномочиях.

iOS-разработчик создаёт приложения для iPhone и iPad. Основной язык — Swift, основной инструмент интерфейса — SwiftUI, среда разработки — Xcode. Работа включает не только написание кода, но и соблюдение требований Apple к интерфейсам и прохождение проверки при публикации в App Store.

Android-разработчик создаёт приложения для смартфонов и планшетов на Android. Основной язык — Kotlin, основной инструмент интерфейса — Jetpack Compose, среда разработки — Android Studio. Главная особенность профессии — огромное разнообразие устройств, размеров экранов и версий системы, которые должно поддерживать приложение.

Full-stack разработчик работает и с интерфейсом приложения, и с его серверной частью: делает и то, что видит пользователь, и логику, базы данных и API за ней. Такой специалист способен собрать продукт целиком в одиночку, что особенно ценно в стартапах и небольших командах. Плата за широту — меньшая глубина в каждой отдельной области.

Контекстное окно — максимальный объём текста в токенах, который языковая модель может учитывать одновременно. В него входит всё: системная инструкция, история диалога, приложенные документы и сам ответ. Когда окно переполняется, старая часть диалога вытесняется, и модель перестаёт помнить начало разговора.

Промпт — текстовый запрос к языковой модели, который определяет, что она сделает. Включает задачу, контекст, требования к формату и при необходимости примеры. Модель не угадывает намерение: она продолжает текст, который вы ей дали, поэтому качество ответа напрямую зависит от того, насколько точно сформулирован запрос.

GEO (Generative Engine Optimization) — оптимизация контента под ответы языковых моделей: ChatGPT, Claude, Perplexity и AI Overview в Google. Цель отличается от классического SEO: нужно не занять позицию в списке ссылок, а стать источником, который модель процитирует в готовом ответе пользователю.

Cursor — редактор кода со встроенным ИИ, построенный на базе VS Code. Он видит весь проект целиком, поэтому может писать и изменять код с учётом контекста соседних файлов, объяснять чужую кодовую базу и вносить правки сразу в нескольких местах по текстовому описанию задачи.

Claude Code — инструмент Anthropic для работы с кодом, который действует в проекте агентно: читает файлы, вносит изменения, запускает команды и проверяет результат. В отличие от подсказок в редакторе, он получает задачу целиком и самостоятельно выполняет последовательность шагов до её завершения.

n8n — платформа автоматизации рабочих процессов, где сценарии собираются из визуальных блоков: триггер запускает цепочку, блоки обращаются к сервисам, передают данные дальше и при необходимости вызывают языковые модели. Позволяет связать CRM, почту, таблицы и ИИ без написания полноценного приложения.

Генерация изображений ИИ — создание картинок по текстовому описанию с помощью генеративных моделей. Применяется в маркетинге, дизайне, прототипировании и производстве контента. Основные практические вопросы при коммерческом использовании — права на результат, узнаваемость стиля и допустимость генерации изображений людей.

ИИ для аналитики — применение языковых моделей в работе с данными: формулирование SQL-запросов по описанию задачи, объяснение результатов, поиск закономерностей, подготовка отчётов. Модель ускоряет рутину, но не заменяет понимание данных: проверить, что запрос считает именно нужное, может только человек, знающий структуру базы.

ИИ в поддержке клиентов — использование языковых моделей для ответов на обращения, классификации запросов и подготовки черновиков для операторов. В отличие от сценарных ботов, модель понимает вопрос, заданный свободным текстом. Ключевое условие работоспособности — ответы на основе вашей базы знаний, а не на выдумках модели.

ИИ в образовании — применение языковых моделей для объяснения материала, персональной обратной связи, подготовки заданий и проверки работ. Для учащегося главная ценность в доступном объяснении в любой момент, главный риск — подмена понимания готовым ответом. Эффект зависит от того, используется ли модель как объясняющий или как исполнитель.

Нейронная сеть — модель машинного обучения из слоёв простых вычислительных элементов, связанных между собой весами. В процессе обучения веса настраиваются так, чтобы сеть выдавала нужный результат на известных примерах. На нейросетях построены распознавание изображений и речи, перевод и языковые модели.

Переобучение — ситуация, когда модель слишком точно подстроилась под обучающие данные и запомнила в том числе случайный шум. На знакомых примерах она показывает отличный результат, а на новых работает плохо. Это главная практическая проблема машинного обучения, и именно ради её выявления данные делят на обучающие и проверочные.

Метрики продукта — числовые показатели, по которым оценивают, как работает продукт и растёт ли бизнес: привлечение пользователей, их активность, удержание, конверсия в оплату, выручка на пользователя. Правильно выбранные метрики связывают действия команды с результатом бизнеса, неправильные создают видимость успеха.

Воронка — последовательность шагов, которые проходит пользователь от первого контакта до целевого действия: увидел рекламу, перешёл на сайт, оставил заявку, пришёл на консультацию, оплатил. На каждом шаге часть людей отсеивается. Анализ воронки показывает, где именно теряется больше всего и куда вкладываться в первую очередь.

Vibe Coding — подход к созданию программ с активной помощью ИИ, когда разработчик описывает намерение естественным языком, проверяет результат и итеративно уточняет решение. Метод ускоряет прототипирование, но не отменяет понимание архитектуры, безопасности, тестирования и ответственности за итоговый код.

Портфолио разработчика — набор работ, который подтверждает его навыки: обычно это два-три законченных проекта с кодом на GitHub и рабочими демонстрациями. Для кандидата без опыта портфолио заменяет строчку о предыдущем месте работы и становится главным предметом разговора на техническом собеседовании.

Мотивационное эссе — текст, который абитуриент пишет при подаче в университет или на грант, чтобы показать, кто он и почему подходит программе. В отличие от баллов и оценок, эссе — единственная часть заявки, где приёмная комиссия слышит голос самого кандидата, поэтому при сопоставимых баллах оно часто решает исход.

SQL (Structured Query Language) — язык запросов к реляционным базам данных. С его помощью данные извлекают, фильтруют, группируют и изменяют. SQL используют не только разработчики, но и аналитики, маркетологи и продакт- менеджеры — это самый распространённый способ самостоятельно получить ответ на вопрос о данных компании.

Релокация разработчика — переезд в другую страну для работы, при котором компания-работодатель обычно помогает с визой, перелётом и первым жильём. Для специалиста из Казахстана это один из путей выйти на международный рынок. Релокацию предлагают почти исключительно опытным специалистам, прошедшим многоэтапный отбор, чаще всего с алгоритмическими интервью.

Рекомендательное письмо — отзыв учителя, научного руководителя или работодателя о кандидате, который отправляется в университет напрямую, минуя самого абитуриента. Для приёмной комиссии это взгляд со стороны: единственная часть заявки, где о человеке говорит не он сам. Обычно требуется одно письмо от школьного советника и одно-два от учителей.

DevOps-инженер отвечает за инфраструктуру и процессы доставки кода: настраивает серверы и облака, автоматизирует сборку и развёртывание, налаживает мониторинг. Его задача — сделать так, чтобы изменения попадали к пользователям быстро и предсказуемо, а сбои обнаруживались раньше, чем о них сообщат клиенты.

UX/UI-дизайнер проектирует, как продукт устроен и как он выглядит. UX — это логика: какие шаги проходит пользователь и где он застревает. UI — визуальный слой: типографика, цвет, компоновка, состояния элементов. В большинстве компаний обе части делает один человек, хотя по сути это разные навыки.

Системный аналитик переводит потребности бизнеса в понятные требования для разработки: выясняет, что нужно заказчику, описывает, как это должно работать, и следит, чтобы реализованное соответствовало задуманному. Работает на стыке бизнеса и технической команды, поэтому должен понимать язык обеих сторон.

Токен — минимальная единица текста, с которой работает языковая модель. Это не буква и не слово, а фрагмент: частое слово занимает один токен, редкое или составное — несколько. Модель читает и генерирует текст токенами, по ним же считается стоимость обращений к API и объём контекстного окна.

GitHub Copilot — ИИ-помощник для написания кода, встраиваемый в редакторы вроде VS Code и JetBrains. Предлагает продолжение кода по мере набора, отвечает на вопросы о проекте в чате и помогает с ревью. Один из первых массовых инструментов такого рода, во многом задавший формат ИИ-помощи в разработке.

No-code — создание приложений и автоматизаций без написания кода, через визуальные конструкторы. Low-code — тот же подход, но с возможностью дописывать код там, где готовых блоков не хватает. Оба подхода резко снижают порог входа и позволяют проверить идею быстро, но упираются в ограничения платформы при росте сложности.

Prompt engineer — специалист, который проектирует и отлаживает запросы к языковым моделям так, чтобы они давали стабильный результат. Как отдельная должность встречается редко и в основном в крупных компаниях; гораздо чаще это обязательный навык внутри других профессий — маркетолога, аналитика, разработчика, юриста.

Генерация видео ИИ — создание видеороликов по текстовому описанию или по исходному изображению. Модели создают короткие фрагменты, обычно в несколько секунд, из которых монтируется итоговый ролик. Технология быстро развивается, но пока плохо держит длительность, согласованность персонажей между сценами и синхронность речи.

ИИ в найме — применение моделей для обработки откликов, первичного скрининга, подготовки вакансий и анализа интервью. Снижает нагрузку на рекрутера при большом потоке кандидатов, но требует осторожности: автоматический отсев может воспроизводить искажения, заложенные в данных, и отсеивать подходящих людей по формальным признакам.

Чат-бот — программа, которая общается с пользователем в диалоговом интерфейсе. Сценарные боты работают по заранее прописанным веткам и отвечают только на предусмотренные вопросы. Боты на основе языковых моделей понимают свободную формулировку и отвечают гибко, но требуют ограничений, чтобы не выдумывать и не выходить за рамки своей задачи.

Обучение с учителем — подход, при котором модель учится на примерах с известными правильными ответами. Каждому входному объекту сопоставлена метка: письмо помечено как спам или нет, квартире сопоставлена цена. Модель ищет закономерность между признаками и метками, чтобы предсказывать ответ для новых данных.

Precision (точность) показывает, какая доля объектов, отмеченных моделью как положительные, действительно таковыми является. Recall (полнота) показывает, какую долю всех реальных положительных объектов модель нашла. Эти метрики почти всегда противоречат друг другу: повышение одной обычно снижает другую.

Pandas — библиотека Python для работы с табличными данными. Позволяет загружать данные из файлов и баз, фильтровать, группировать, объединять таблицы и считать сводные показатели несколькими строками кода. Это основной инструмент аналитика и дата-сайентиста на Python и обычно первое, что изучают после самого языка.

Дашборд — интерактивная панель с ключевыми показателями, графиками и таблицами, которая обновляется автоматически из источников данных. Его задача — дать человеку ответ на конкретный вопрос за несколько секунд просмотра. Хороший дашборд показывает немногое, но то, по чему принимаются решения.

Пет-проект — собственный проект разработчика, который он делает вне работы и учёбы, обычно для себя. Для начинающего это главный способ доказать навык без опыта работы: законченный и развёрнутый проект показывает работодателю то, чего не покажет ни один сертификат — умение довести задачу до работающего результата.

Хакатон — соревнование, на котором команды за ограниченное время, обычно от суток до трёх дней, создают работающий прототип продукта и защищают его перед жюри. Для начинающего разработчика это способ получить опыт командной работы, проект в портфолио и знакомства в индустрии за один уикенд.

Bluebook — официальное приложение College Board, в котором сдаётся Digital SAT и другие цифровые экзамены. В нём же доступны полные пробные тесты, повторяющие реальный экзамен: адаптивность модулей, таймер, встроенный калькулятор и справочник формул. Установка приложения обязательна для участия в экзамене.

RAG (Retrieval-Augmented Generation) — подход, при котором языковая модель перед ответом ищет релевантные фрагменты во внешней базе документов и генерирует ответ на их основе. Это решает главную проблему LLM: модель перестаёт выдумывать факты и начинает отвечать по вашим актуальным данным, которых не было в обучении.

Фриланс в IT — работа на заказчиков по отдельным проектам без трудового договора: специалист сам находит клиентов, договаривается о цене и сроках и сам отвечает за налоги. Даёт свободу выбора проектов и графика, но требует навыков, которых нет в найме: продаж, оценки задач, управления ожиданиями клиента. Для новичка это обычно трудный вход в профессию.

Грейды в IT — система уровней внутри компании, которая определяет ожидания от сотрудника, его зону ответственности и вилку зарплаты. Базовая шкала — джуниор, мидл, сеньор, но крупные компании дробят её на более мелкие ступени с формальными критериями перехода. Грейд помогает понять, что нужно сделать для повышения, и сделать рост измеримым.

GPA (Grade Point Average) — средний балл успеваемости за период обучения, чаще всего рассчитанный по шкале от 0 до 4. Используется в американской системе образования и в кредитной системе вузов Казахстана. При поступлении в зарубежный университет GPA — один из главных показателей: он отражает стабильность учёбы за годы, а не результат одного экзамена.

Тимлид — руководитель команды разработчиков, который отвечает за результат команды, а не только за свой код. В его зоне — распределение задач, развитие людей, технические решения и связь с остальной компанией. Переход в тимлиды означает смену профессии: навыки, сделавшие человека сильным разработчиком, теперь применяются иначе.

MCP (Model Context Protocol) — открытый стандарт подключения языковых моделей к внешним источникам данных и инструментам. Он задаёт единый способ, которым приложение сообщает модели, какие действия доступны и как их вызывать. Вместо отдельной интеграции под каждую пару «модель — сервис» достаточно одной реализации протокола.

Мультимодальность — способность модели работать не только с текстом, но и с другими типами данных: изображениями, аудио, видео, документами. Мультимодальная модель может описать фотографию, прочитать скриншот таблицы, разобрать схему или расшифровать запись разговора, используя единое понимание содержимого вместо отдельных специализированных систем.

Evals — систематическая проверка качества ответов модели на наборе тестовых случаев с известным правильным результатом. Это аналог тестов в разработке: без них невозможно понять, улучшило ли изменение промпта или смена модели работу продукта, потому что модель даёт разные ответы на один и тот же запрос.

Стоимость токенов — модель оплаты обращений к языковым моделям через API: плата берётся за объём входного и выходного текста, измеренный в токенах, по разным ставкам. Для продукта на базе ИИ это основная переменная статья расходов, которая растёт вместе с количеством пользователей, поэтому её закладывают в экономику с самого начала.

Распознавание речи — преобразование звучащей речи в текст. Современные модели работают с естественной речью, шумом и несколькими языками, поэтому применяются для расшифровки созвонов, субтитров, голосового ввода и анализа звонков в продажах. Качество заметно зависит от языка: для русского оно высокое, для казахского обычно ниже.

Обучение без учителя — подход, при котором модель работает с данными без правильных ответов и ищет в них структуру сама: группирует похожие объекты, выявляет аномалии, сокращает размерность. Применяется там, где разметки нет или заранее неизвестно, какие закономерности в данных искать.

Классификация — задача машинного обучения, где модель относит объект к одной из заранее известных категорий: спам или не спам, вернёт клиент кредит или нет, к какому из пяти типов относится обращение. Модель обычно выдаёт не категорию напрямую, а вероятность каждой, и порог принятия решения выбирает человек.

Регрессия — задача машинного обучения, в которой модель предсказывает число: цену квартиры, объём продаж на следующей неделе, время доставки. В отличие от классификации, где ответ это категория, здесь ответ непрерывный, и качество измеряется величиной отклонения предсказания от факта.

Кластеризация — разбиение объектов на группы по сходству без заранее заданных категорий. Алгоритм сам решает, какие объекты похожи, опираясь на расстояние между ними в пространстве признаков. Чаще всего применяется для сегментации клиентов, группировки товаров и разведочного анализа данных.

Train/test split — разделение данных на обучающую и тестовую выборки. Модель учится только на первой, а качество измеряется на второй, которую она не видела. Без такого разделения оценка модели бессмысленна: она покажет, насколько хорошо модель запомнила примеры, а не насколько она работает на новых данных.

Feature engineering — подготовка признаков, на которых учится модель: преобразование исходных данных в величины, отражающие суть задачи. Создание удачного признака обычно даёт больший прирост качества, чем смена алгоритма, поэтому на эту работу уходит основная часть времени в проектах машинного обучения.

Матрица ошибок — таблица, показывающая, сколько объектов модель классифицировала верно и какие именно ошибки допустила. Для двух классов это четыре числа: верные срабатывания, верные пропуски, ложные срабатывания и пропущенные случаи. Из неё выводятся все остальные метрики классификации.

Градиентный бустинг — метод, в котором модели строятся последовательно, и каждая следующая исправляет ошибки предыдущих. Обычно используются деревья решений. На табличных данных это самый результативный подход: в задачах с таблицами бустинг, как правило, обыгрывает нейронные сети.

Статистическая значимость — оценка того, насколько маловероятно получить наблюдаемую разницу случайно, если на самом деле её нет. «Значимый» результат не означает «важный» или «большой»: это значит лишь, что случайностью его объяснить трудно. Значимое различие может быть ничтожным для бизнеса, а важное — незначимым из-за малой выборки.

Power BI — система бизнес-аналитики от Microsoft для подключения к источникам данных, построения отчётов и интерактивных дашбордов. Широко распространена в компаниях, работающих в экосистеме Microsoft, и часто встречается в требованиях к вакансиям аналитиков, в том числе в банках и крупных компаниях Казахстана.

Когортный анализ — метод, при котором пользователей группируют по общему признаку, чаще всего по времени первого действия, и отслеживают поведение каждой группы во времени. Он показывает, улучшается ли продукт: если пользователи, пришедшие в марте, удерживаются лучше пришедших в январе, изменения работают.

Data-driven решения — подход, при котором управленческие решения принимаются на основе данных, а не только интуиции или мнения самого высокопоставленного участника обсуждения. Он не исключает опыт и экспертизу: данные проверяют гипотезы и снижают неопределённость, а интерпретация и выбор остаются за людьми.

API (Application Programming Interface) — набор правил, по которым одна программа обращается к другой. Это контракт: какие запросы можно отправить, в каком формате и что придёт в ответ. Благодаря API приложение показывает карту, принимает оплату или отправляет сообщение, не реализуя эти функции у себя.

Испытательный срок — период в начале работы, когда работодатель проверяет, подходит ли сотрудник для должности, а сотрудник — подходит ли ему компания. В Казахстане его длительность ограничена Трудовым кодексом и указывается в трудовом договоре. На это время сотрудник пользуется теми же трудовыми правами, что и остальные.

GitHub-профиль — публичная страница разработчика на GitHub, где видны его репозитории, история изменений кода и активность. Для кандидата без опыта работы это главный способ показать навык: техническое собеседование часто начинается с того, что интервьюер открывает ваш GitHub и просит рассказать об одном из проектов.

IT-виза Казахстана — общее название упрощённого порядка въезда и трудоустройства иностранных IT-специалистов для работы в казахстанских технологических компаниях, прежде всего в резидентах Astana Hub. Механизм создан, чтобы компании могли быстрее нанимать специалистов из-за рубежа. Конкретные условия определяются миграционным законодательством и меняются.

Технический писатель создаёт документацию к продуктам: описания API, руководства пользователя, инструкции по установке, справочные материалы. Его задача — объяснить сложное так, чтобы читатель выполнил задачу без посторонней помощи. Профессия удобна для входа в IT людям с гуманитарным образованием и хорошим языком.

Zero-shot — запрос к модели без примеров: вы просто описываете задачу. Few-shot — запрос, в который добавлены один или несколько образцов правильного ответа. Примеры показывают модели формат и стиль точнее, чем словесное описание, поэтому few-shot обычно даёт более стабильный результат в задачах с жёсткими требованиями к выводу.

Chain-of-thought — приём, при котором модель просят рассуждать последовательно, шаг за шагом, прежде чем дать окончательный ответ. Это заметно повышает точность в задачах с логикой, расчётами и многоступенчатыми выводами, потому что промежуточные шаги становятся частью контекста, на который модель опирается дальше.

Эмбеддинг — представление текста, изображения или другого объекта в виде числового вектора, где близкие по смыслу объекты оказываются близко в пространстве. Благодаря этому компьютер может сравнивать тексты по смыслу, а не по совпадению слов. Эмбеддинги лежат в основе семантического поиска, рекомендаций и систем RAG.

Fine-tuning — дообучение готовой модели на собственных примерах, чтобы она устойчиво следовала нужному формату, стилю или поведению. Это меняет саму модель, в отличие от промпта, который действует только в пределах одного запроса. Для добавления фактических знаний fine-tuning подходит плохо: для этого используют RAG.

Function calling — механизм, позволяющий языковой модели вызывать функции вашего приложения. Вы описываете доступные функции и их параметры, модель в ответ на запрос возвращает структурированный вызов с нужными аргументами, приложение выполняет его и передаёт результат обратно. Так модель получает доступ к актуальным данным и действиям.

Guardrails — ограничения, которые не дают продукту на базе ИИ вести себя недопустимо: выдавать вредный контент, раскрывать чужие данные, выходить за рамки своей темы или совершать необратимые действия без подтверждения. Реализуются не одной инструкцией в промпте, а несколькими слоями проверок на входе, на выходе и на уровне прав доступа.

Open-source модели — языковые модели с открытыми весами, которые можно скачать и запустить на собственном оборудовании. В отличие от моделей, доступных только через API, они дают контроль над данными и независимость от провайдера, но требуют инфраструктуры и инженерных ресурсов для запуска и поддержки.

Кросс-валидация — способ оценки модели, при котором данные делятся на несколько частей, и модель обучается и проверяется поочерёдно на каждой из них. Итоговое качество усредняется. Это даёт более устойчивую оценку, чем однократное разделение, и особенно важно при небольшом объёме данных.

Градиентный спуск — алгоритм оптимизации, с помощью которого обучается большинство моделей машинного обучения. Он вычисляет, в какую сторону нужно изменить параметры, чтобы ошибка уменьшилась, и делает небольшой шаг в этом направлении. Повторяя это многократно, модель приходит к набору параметров с низкой ошибкой.

Функция потерь — формула, измеряющая, насколько предсказание модели отличается от правильного ответа. Именно её значение модель минимизирует при обучении. Выбор функции потерь определяет, какие ошибки модель будет считать более серьёзными, и потому напрямую влияет на то, чему она научится.

F1-score — метрика, объединяющая precision и recall в одно число через их гармоническое среднее. Она высока только когда обе составляющие достаточно велики: если одна близка к нулю, F1 тоже близок к нулю. Используется, когда нужно сравнить модели одним показателем при несбалансированных классах.

ROC-AUC — метрика, показывающая, насколько хорошо модель отделяет один класс от другого при любом возможном пороге. Значение 1,0 означает идеальное разделение, 0,5 — что модель не лучше случайного угадывания. Её преимущество в том, что она не зависит от выбора порога и позволяет сравнивать модели до его подбора.

Случайный лес — модель машинного обучения, состоящая из множества деревьев решений, каждое из которых обучено на случайной подвыборке данных и признаков. Итоговый ответ получается голосованием или усреднением. Такой подход даёт устойчивую модель, которая редко переобучается и почти не требует настройки.

XGBoost — библиотека градиентного бустинга на деревьях решений, ставшая стандартом в прикладных задачах машинного обучения на табличных данных и в соревнованиях по анализу данных. Реализует эффективное обучение, встроенную регуляризацию и работу с пропусками, благодаря чему даёт высокое качество при разумных затратах времени.

scikit-learn — библиотека Python с готовыми реализациями классических методов машинного обучения: классификации, регрессии, кластеризации, подготовки данных и оценки моделей. Её отличает единый интерфейс: все модели обучаются и применяются одинаково, поэтому смена алгоритма занимает одну строку кода.

PyTorch — фреймворк для создания и обучения нейронных сетей на Python. Он позволяет описывать модели обычным кодом, автоматически вычисляет градиенты и выполняет расчёты на видеокартах. Стал стандартом в исследованиях и широко используется в промышленной разработке моделей машинного обучения.

p-value — вероятность получить наблюдаемый результат или ещё более выраженный, если на самом деле эффекта нет. Чем он меньше, тем труднее объяснить результат случайностью. p-value не является вероятностью того, что гипотеза верна, и не показывает размер эффекта — это две самые распространённые ошибки интерпретации.

ETL (Extract, Transform, Load) — процесс сбора данных из разных источников, их преобразования к единому виду и загрузки в хранилище для анализа. Именно ETL превращает разрозненные выгрузки из CRM, рекламных кабинетов и баз данных в согласованные таблицы, по которым строятся отчёты и дашборды.

Big Data — данные, объём, скорость поступления или разнообразие которых превышают возможности обычных инструментов: их нельзя обработать на одном компьютере или в стандартной базе. Термин стал модным словом, но на практике большинство компаний работает с данными, которые прекрасно обрабатываются обычными средствами.

Аутсорс и аутстафф — две модели, в которых IT-компания работает на внешнего заказчика. При аутсорсе компания берёт проект целиком и сама отвечает за результат. При аутстаффе она предоставляет специалиста, который работает в команде заказчика по его процессам, а формально остаётся сотрудником компании-посредника.

Code review — проверка кода одного разработчика другим перед тем, как изменения попадут в основную версию продукта. Ревьюер ищет ошибки, проблемы с читаемостью и архитектурой и предлагает улучшения. Для начинающего это главный механизм роста: большую часть практических навыков разработчик получает именно из комментариев к своему коду.

Температура — параметр генерации, который определяет, насколько предсказуемым будет ответ модели. При низкой температуре модель выбирает наиболее вероятные продолжения и отвечает почти одинаково на один и тот же запрос. При высокой она чаще берёт менее вероятные варианты, и ответы становятся разнообразнее, но менее надёжными.

Векторная база данных — хранилище, рассчитанное на поиск похожих векторов. В неё складывают эмбеддинги документов, а при запросе она быстро находит ближайшие к вектору запроса. В отличие от обычной базы, где ищут точное совпадение значений, здесь ищут близость по смыслу.

Инференс — работа уже обученной модели: получение ответа на конкретный запрос. Это отличается от обучения, когда модель настраивает свои веса. В продуктах на базе ИИ именно инференс определяет скорость отклика и основную статью расходов, потому что происходит при каждом обращении пользователя.

Диффузионные модели — класс генеративных моделей, которые создают изображения, постепенно превращая случайный шум в осмысленную картинку. Модель обучается восстанавливать изображение из зашумлённого состояния, а при генерации проходит этот путь с нуля, ориентируясь на текстовое описание. На этом принципе построено большинство ИИ-генераторов изображений и видео.

Обучение с подкреплением — подход, при котором агент учится действовать в среде методом проб и ошибок, получая вознаграждение за удачные действия. Правильных ответов ему не дают: он сам находит стратегию, максимизирующую суммарную награду. Применяется в играх, робототехнике, управлении и настройке языковых моделей под предпочтения людей.

NumPy — библиотека Python для быстрых вычислений с массивами чисел. Она лежит в основе почти всего научного и аналитического стека Python: pandas, scikit-learn и библиотеки машинного обучения построены поверх неё или совместимы с её форматом. Операции над целыми массивами выполняются в ней в десятки раз быстрее, чем циклами на Python.

Jupyter Notebook — интерактивная среда, где код, его результаты, графики и пояснительный текст собраны в одном документе. Код выполняется по фрагментам, и результат каждого виден сразу под ним. Это основной инструмент исследования данных: удобно пробовать гипотезы, смотреть на промежуточные результаты и делиться анализом.

Data Warehouse (хранилище данных) — база, специально организованная для анализа, куда сводятся данные из разных систем компании. В отличие от рабочих баз приложений, оптимизированных под быстрые записи отдельных операций, хранилище рассчитано на тяжёлые аналитические запросы по большим объёмам и хранит историю изменений.

Tableau — система визуальной аналитики для построения интерактивных графиков и дашбордов. Известна сильными возможностями визуализации и исследования данных перетаскиванием полей, без написания кода. Распространена в крупных компаниях и в аналитических командах, где важна гибкость визуального анализа.

Витрина данных — подготовленный набор таблиц под конкретную задачу или отдел: маркетинг, продажи, финансы. Данные в ней уже очищены, объединены и агрегированы так, чтобы пользователю не приходилось разбираться в устройстве всего хранилища. Это слой между сложным хранилищем и отчётами, которыми пользуется бизнес.

Ментор в IT — опытный специалист, который помогает начинающему расти: проверяет код, объясняет решения, помогает разобраться в сложной теме и в выборе карьерного пути. В отличие от преподавателя, ментор работает с конкретными задачами и ошибками ученика, а не с общей программой. Именно адресная обратная связь делает менторство эффективным.

TensorFlow — фреймворк для машинного обучения и нейронных сетей, разработанный Google. Включает инструменты для обучения моделей и развёртывания их в продакшене: на серверах, в браузере и на мобильных устройствах. Высокоуровневый интерфейс Keras упрощает сборку моделей из готовых слоёв.

Демо-день — мероприятие, на котором участники образовательной программы, акселератора или инкубатора публично представляют свои проекты: показывают работающий продукт и рассказывают о результатах. Аудитория — инвесторы, работодатели, представители индустрии. Для участника это точка, в которой проект впервые оценивают люди за пределами учебной группы.

Сертификат о прохождении курса — документ, подтверждающий, что человек завершил образовательную программу. В IT при найме он почти не влияет на решение работодателя: сертификат подтверждает посещение, а не навык. Исключения — профессиональные сертификации облачных платформ и вендоров, которые сдаются как экзамен и в ряде позиций действительно учитываются.