Пока мы с вами пытаемся объяснить детям, зачем им вообще нужна математика, в больших корпорациях вовсю идет процесс превращения людей в «гибридных специалистов». Теперь мало быть просто аналитиком — нужно уметь в ML, иначе тебя не примет даже автоматизированная система отбора. В Яндексе, судя по всему, тоже решили, что одного умения считать метрики недостаточно, и теперь требуют от кандидатов полного набора навыков: от А/В тестов до глубокого понимания архитектуры нейросетей.
Для тех, кто решил, что его знаний достаточно, чтобы просто «нажать кнопку» и получить оффер, новости неутешительные. Собеседование на Data Scientist — это не дружеская беседа за чашкой кофе, а структурированный допрос, где каждый этап выверен до минуты. Если вы думали, что после школы будет проще, то спешу расстроить: здесь вас будут гонять по матстату так, как не гонял ни один завуч.
Начинается всё с классического ритуала — двухминутного представления. Вас попросят представиться и проверить, слышно ли вас. Это те самые драгоценные две минуты, когда можно сделать вид, что вы контролируете ситуацию, прежде чем начнется настоящий шторм.
Далее идет блок «знакомство», который на деле является проверкой вашей профпригодности под соусом светской беседы. Будут спрашивать про опыт (или учебу, если вы еще не успели разочароваться в жизни), про то, что вам нравится и — внимание — что НЕ нравится в работе или алгоритмах. Если вы не сможете внятно объяснить, какие проблемы вы решали и какую пользу принесли миру, разговор быстро перейдет к бизнес-кейсам. Там проверяют, сможете ли вы модифицировать решение и обосновать его эффективность. В общем, стандартная проверка на то, понимаете ли вы, зачем вообще занимаетесь этой математической эквилибристикой.
Затем наступает самая «веселая» часть — 25 минут на ML-алгоритмический кругозор. Сначала вам дадут пять минут на формулировку задачи: нужно понять, что именно мы оптимизируем — выручку маркетплейса или удобство пользователей. Затем — пять минут на верхнеуровневый подход. И только потом начинается настоящая мясорубка: формулы, детали, целевые функции вроде logloss и вопросы о том, как именно работает градиентный спуск или регуляризация. Если вы запнетесь на базе вроде PCA или k-means, собеседование превратится в очень быстрый и очень грустный процесс.
Не забывайте про А/В тесты. Вам придется доказывать, что вы не будете принимать решения «по первым моментам», а понимаете риск ошибки, доверительные интервалы и знаете, что такое тест Манна–Уитни. Это как раз тот случай, когда статистика из учебника внезапно оживает и начинает кусаться.
После этого вас ждет еще 20 минут математического ада. Никакой сухой теории — только практика: вероятность, статистика и комбинаторика. В качестве примера можно привести задачу про два кубика и банк, где нужно высчитать стратегию максимизации выигрыша, рискуя обнулить всё на синей единице. Подобные задачи проверяют не столько знания, сколько способность соображать под давлением, когда на тебя смотрят через экран монитора.
В завершение вам оставят немного времени на ваши вопросы. Обычно это происходит, когда сил на осмысленные рассуждения уже не остается, а мозг напоминает перегретый сервер.
Если вы все же решили бросить вызов этой системе и проверить свои силы, помните: подготовка — единственный способ не превратиться в статистическую погрешность во время интервью.
Подробнее и подача заявок — на официальном сайте.
