כמה מרוויח/ה אלגוריתמים בישראל? טווחי שכר לפי ותק

שכר מהנדס אלגוריתמים בישראל נע, כהערכת שוק, בין כ-20,000 ש"ח בכניסה לכ-60,000 ש"ח בקצה הבכיר. אלא שבמקצוע הזה הוותק הוא המשתנה השני בחשיבותו. הראשון הוא תחום היישום. בלוח HiTakeJob פתוחות כרגע 19 משרות שמזכירות MATLAB.

ארבעה תחומי יישום, ארבעה מבני תגמול

הכותרת "מהנדס אלגוריתמים" מכסה עבודות שונות עד כדי כך שקשה להשוות ביניהן. מי שמפתח מודל לזיהוי אובייקטים בווידאו, מי שמנקה אות מרעש בחיישן, מי שבונה מנוע שיבוץ לצי רכבים ומי שמתכנן שכבת תיקון שגיאות במודם עוסקים כולם באלגוריתמים, ופועלים בכלכלות שונות לחלוטין.

תחום יישום	מה קובע את הערך	מיקום יחסי בטווח
ראייה ממוחשבת	ביקוש רחב וחפיפה עם למידת מכונה	גבוה, עם קצה רחב במיוחד
עיבוד אות	נדירות המומחיות ותלות בחומרה	גבוה ויציב, פחות תנודתי
אופטימיזציה וחקר ביצועים	קשר ישיר לחיסכון תפעולי מדיד	בינוני עד גבוה, תלוי ענף
תקשורת וקידוד	מחסום כניסה תיאורטי גבוה	גבוה בחברות ציוד, צר במקומות אחרים

ההבדל אינו רק במספר אלא בצורת התגמול. בראייה ממוחשבת, שבה הביקוש רחב והתחרות על אנשים חזקה, החבילה נוטה לכלול מרכיב הוני משמעותי. בעיבוד אות, שמרוכז בחברות ציוד ובתעשייה ביטחונית, הבסיס הוא כמעט כל הסיפור. באופטימיזציה, כשהאלגוריתם חוסך כסף מדיד לחברה, קל יותר להצדיק העלאה על בסיס תוצאה עסקית ולא על בסיס ותק.

למה תחום היישום גובר על הוותק

בתפקידי פיתוח תוכנה רגילים, שנות ניסיון הן מדד סביר ליכולת: מפתח עם שבע שנים ראה יותר מערכות, יותר תקלות ויותר החלטות ארכיטקטורה. באלגוריתמים המדד הזה נשבר, כי הידע צמוד לדומיין. מהנדס עם עשר שנים בעיבוד אות רדאר שעובר לחברת ראייה ממוחשבת אינו סניור בתחום החדש, הוא אדם חכם עם עקומת למידה של שנה.

המעסיקים יודעים זאת, ולכן מתמחרים ניסיון רלוונטי לדומיין גבוה בהרבה מניסיון כללי. התוצאה המעשית: מועמד עם ארבע שנים בדיוק בתחום שהחברה צריכה יקבל לרוב הצעה טובה יותר ממועמד עם תשע שנים בתחום סמוך. זו אחת הסיבות שהחלפת דומיין באמצע הקריירה כרוכה לעיתים בעצירה בשכר, גם כשהיא נכונה לטווח ארוך.

יש לכלל הזה חריג אחד שכדאי להכיר: מי שעובר בין דומיינים שחולקים תשתית מתמטית משותפת נענש פחות. מעבר מעיבוד אות לתקשורת, למשל, נשען על אותה שפה של מרחבי תדר וסטטיסטיקה, ולכן נקרא כניסיון חלקי ולא כהתחלה מחדש. לעומת זאת מעבר מאופטימיזציה בדידה לראייה ממוחשבת קרוב יותר לפתיחת דף חדש, גם אם שני התחומים נשמעים סמוכים למי שמחוץ למקצוע.

יש מכאן מסקנה תכנונית. מי שמתחיל בתחום צריך לבחור דומיין שבו הוא רוצה לצבור עומק, ולא לדלג בין תחומים כל שנתיים. ומי שכבר עמוק בדומיין מסוים צריך לוודא שהדומיין הזה גדל בישראל ולא מצטמצם, כי מומחיות נדירה בשוק מתכווץ אינה נכס אלא מלכודת.

טווחי שכר לפי ותק

הטווחים שלהלן הם הערכת שוק. מסד הנתונים של הלוח אינו כולל שדה שכר, ולכן אין כאן שום מספר שנמדד ממשרות אמיתיות.

ותק	שכר חודשי ברוטו	סוג הנתון
שנה עד שנתיים	20,000 - 27,000 ש"ח	הערכת שוק
שלוש עד חמש	28,000 - 38,000 ש"ח	הערכת שוק
שש עד עשר	38,000 - 50,000 ש"ח	הערכת שוק
מומחה מוביל או ארכיטקט אלגוריתמים	50,000 - 65,000 ש"ח	הערכת שוק

הטווחים רחבים בכוונה, כי בתוך אותו ותק ההפרש בין דומיינים גדול מההפרש בין רמות ותק סמוכות. קריאה נכונה של הטבלה היא להתחיל מהשורה המתאימה, ואז להזיז את עצמך לתוכה לפי הטבלה הראשונה במאמר.

כמה תואר שני ושלישי באמת מוסיפים כאן?

זו השאלה שנשאלת הכי הרבה, והתשובה שונה מהותית מזו שתקפה בפיתוח תוכנה. בפיתוח תוכנה תואר מתקדם משפיע מעט על השכר, ולעיתים אף עולה יותר ממה שהוא מחזיר בגלל השנים שלא נצברו בשוק. באלגוריתמים התמונה הפוכה בחלק ניכר מהמשרות.

הסיבה אינה כבוד לתעודה. תזה במעבדה רלוונטית היא בפועל שנתיים עד שלוש של עבודה מעשית בדיוק בסוג הבעיות שהמעסיק פותר: קריאת מאמרים, שחזור שיטה, בניית ניסוי, ומדידת תוצאה מול קו בסיס. זו אותה עבודה שהתפקיד דורש, ולכן היא נספרת כניסיון ולא כלימודים.

מכאן שלוש מסקנות מעשיות. ראשית, הערך תלוי בהתאמת הנושא: תזה בתחום שאינו קשור לעבודה מוסיפה מעט מאוד. שנית, דוקטורט משתלם בעיקר במשרות מחקר שבהן הוא תנאי סף מוצהר, ופחות בתפקידי יישום. שלישית, בתפקידים שבהם הגבול מול הנדסת למידת מכונה מטושטש, תואר מתקדם משפיע פחות מתיק פרויקטים ומניסיון בהרצה בסביבת ייצור. את הגבול הזה תיארנו במדריך הקריירה ל-ML Engineer.

מה בעבודה היומית מצדיק את הפער מתפקיד תוכנה

מועמדים שעוברים מפיתוח תוכנה מופתעים מכמה מעט קוד נכתב ביום עבודה של מהנדס אלגוריתמים. רוב הזמן מוקדש לשלושה דברים: הגדרת קו בסיס שאפשר למדוד מולו, הרצת ניסויים על נתונים אמיתיים, וניתוח מקרי הכישלון. הקוד הוא אמצעי.

מה שמתמחר גבוה הוא דווקא היכולת להחליט שבעיה אינה פתירה בזמן ובמשאבים הקיימים, ולהציע פתרון חלופי שמספיק טוב למוצר. חברה שמשלמת שנה של מהנדס בכיר על כיוון שלא הוביל לשום מקום למדה את המחיר של היעדר היכולת הזו.

יש לכך גם ביטוי בשעות. עבודת אלגוריתמים כוללת תקופות שבהן ההתקדמות אינה נראית כלל, ואחריהן שבוע שבו נסגר הפער. ארגון שמצפה לדיווח התקדמות שבועי בסגנון פיתוח תוכנה מייצר לחץ שגורם למהנדסים לבחור בכיוונים בטוחים ופחות טובים. אחד הסימנים למקום עבודה טוב בתחום הוא שהמנהל הישיר מבין את ההבדל הזה ומגן עליו.

מרכיב שני הוא המעבר מניסוי לייצור. אלגוריתם שעובד במחברת ניסויים ואינו רץ בזמן ובמשאבים של המוצר אינו שווה הרבה, ולכן מהנדסים שיודעים לקחת שיטה עד לריצה יציבה בסביבת ייצור נמצאים בקצה העליון. בלוח פתוחות כרגע 365 משרות שמזכירות פייתון, 21 משרות שמזכירות שפת C ו91 משרות שמזכירות לינוקס, ושילוב של פייתון למחקר עם שפה מהירה למימוש הוא דפוס נפוץ בתחום.

תהליך ההערכה: מה נבדק, ולמה זה משנה את המספר

תהליך הגיוס לתפקידי אלגוריתמים בנוי אחרת מתהליך גיוס לפיתוח, והבנה שלו משפרת ישירות את ההצעה. הוא מורכב בדרך כלל משלושה מרכיבים: שיחה על עבודה קודמת לעומק, שאלה פתוחה שדורשת לנסח פתרון לבעיה שאין לה תשובה נכונה יחידה, ולעיתים תרגיל בית עם נתונים.

המרכיב הראשון הוא זה שקובע את הרמה שבה תשובץ, והוא גם זה שמועמדים מכינים הכי פחות. מועמד שמתאר פרויקט קודם ואומר מה היה קו הבסיס, מה השיטה החלופית שנבחנה, כמה השתפרה התוצאה ובאיזה מחיר בזמן ריצה, משדר בתוך חמש דקות שהוא עובד בשיטה מסודרת. מועמד שמתאר את אותו פרויקט במונחים של איזו שיטה השתמש, בלי מספרים ובלי חלופות, נשמע זוטר יותר גם אם עשה עבודה טובה.

המרכיב השני בודק דבר אחר לגמרי: האם אתה מברר את הבעיה לפני שאתה פותר אותה. שאלה פתוחה בראיון כמעט תמיד חסרה במכוון פרטים קריטיים, כמו כמות הנתונים הזמינה, אילוצי זמן הריצה ומה נחשב כישלון מבחינת המוצר. מי שמתחיל לתאר שיטה בלי לשאול על אלה מספק פתרון לבעיה שלא נשאלה.

המרכיב השלישי, כשהוא קיים, נבדק בעיקר על נקיון ולא על תוצאה. מסמך קצר שמסביר מה נוסה, מה נכשל ומה הייתה המסקנה שווה יותר מציון גבוה בלי הסבר, מפני שהוא מדמה בדיוק את מה שהעבודה נראית בפועל.

הקשר לשכר ישיר: ברוב החברות ההצעה נגזרת מרמה שנקבעת בסוף התהליך, ולא ממשא ומתן חופשי. שיפור של דרגה אחת ברמה שווה יותר מכל ויכוח על אחוזים בשלב האחרון, ולכן ההשקעה הנכונה היא בהכנה לשיחה הראשונה ולא בשיחת הסגירה.

מתי כדאי למתג את עצמך כמהנדס למידת מכונה

שתי הכותרות נפגשות באמצע, וההחלטה איך להציג את עצמך משפיעה על אילו משרות תראה ועל איזה טווח תשובץ. הכלל המעשי הוא לבדוק מה מרכז הכובד של העבודה שלך.

אם רוב הזמן עובר באימון מודלים, בבניית צינורות נתונים ובהרצה בענן, הכותרת ML מדויקת יותר ותפתח יותר משרות. אם רוב הזמן עובר בניתוח מתמטי של הבעיה, בעבודה עם אילוצי חומרה ובשיטות שאינן מבוססות למידה, הכותרת אלגוריתמים מדויקת יותר ותמנע ראיונות לא רלוונטיים. מיתוג לא מדויק מייצר תהליכים שנופלים בשלב הטכני, וזה עולה זמן לשני הצדדים.

נקודת מבט נוספת על ההחלטה: משרות ML פתוחות בכמות גדולה יותר, אבל גם התחרות עליהן גדולה יותר. משרות אלגוריתמים קלאסיות מעטות יותר, ומי שמתאים להן מתחרה מול מעט מועמדים. להשוואה רחבה בין תפקידי פיתוח שונים כתבנו במדריך שכר המפתחים לפי תפקיד.

יש גם אפשרות שלישית שנוטים לשכוח: להציג את שתי היכולות ולתת לכותרת להשתנות לפי המשרה. קורות חיים שמנוסחים סביב סוגי בעיות שנפתרו, ולא סביב תווית מקצועית, מאפשרים להגיש את אותו מסמך לשני סוגי משרות בלי לשקר ובלי להיראות מפוזר. מה שצריך להישאר עקבי הוא הסיפור: אילו בעיות אתה יודע לפתוח, לא איך קראו לתפקיד שלך.

הערה אחרונה על השפעת הבחירה לאורך זמן. ככל שהקריירה מתקדמת, ההבדל בין שתי הכותרות קטן, מפני שבדרגות הבכירות שני התפקידים עוסקים באותו דבר: להחליט מה בכלל אפשר לבנות בזמן ובמשאבים שיש, ולשכנע את הארגון בכך. ההבחנה החדה בין הכותרות רלוונטית בעיקר בעשור הראשון.

שאלות נפוצות

האם הטווחים כאן נלקחו ממשרות באתר?

לא. אין במסד הנתונים שדה שכר, וכל טווח הוא הערכת שוק. רק ספירות המשרות שליד הקישורים הן נתון חי, והן ניתנות לאימות בעמודי הנחיתה.

האם תואר שני מחייב לתפקיד?

לא בכל משרה, אבל בחלק ניכר מהן הוא תנאי סף בפועל. מה שקובע הוא התאמת הנושא לתחום היישום של החברה, ולא עצם התואר.

איזה תחום יישום הכי כדאי להיכנס אליו?

אין תשובה אחת. ראייה ממוחשבת מציעה את מספר ההזדמנויות הגדול ביותר, עיבוד אות מציע יציבות ונדירות, ואופטימיזציה מציעה קשר ישיר לתוצאה עסקית. הבחירה צריכה להתחשב גם בשאלה אם הדומיין גדל בישראל.

מה קורה לשכר כשעוברים בין דומיינים?

לרוב יש עצירה זמנית, ולעיתים ירידה, כי ניסיון בתחום סמוך נספר חלקית בלבד. מי ששוקל מעבר כזה צריך לתכנן אותו כהשקעה של שנה עד שנתיים ולא כמהלך מיידי.

כמה חשוב לדעת לתכנת ברמה גבוהה?

חשוב מאוד, ולא באותו אופן כמו במפתח תוכנה. נדרשת יכולת לכתוב ניסוי נקי, למדוד ביצועים, ולהביא שיטה לריצה יציבה תחת אילוצי זמן וזיכרון של המוצר.

האם התפקיד מוביל לניהול?

יש מסלול ניהולי, אבל בתחום הזה המסלול המקצועי חזק במיוחד, ומומחה מוביל יכול להגיע לרמת תגמול הדומה לזו של מנהל בכיר. הערכת השוק בטבלה למעלה משקפת בדיוק את הקצה הזה.