Как подготовиться к собеседованию Data Scientist / ML-инженера в 2026
План подготовки по секциям, типичные вопросы и частоты навыков из живых вакансий DS/ML в Telegram-каналах - чтобы готовиться по тому, что реально спрашивают, а не по всему интернету.
Автопилот откликнется, пока вы готовитесьЧто реально требуют в вакансиях DS/ML
По 62 вакансиям DS/ML из Telegram-каналов за последние 30 дней.
| # | Навык | Доля вакансий | Упоминаний |
|---|---|---|---|
| 1 | PyTorch/TF | 77% | 48 |
| 2 | Python | 63% | 39 |
| 3 | SQL | 39% | 24 |
| 4 | Docker | 31% | 19 |
| 5 | Аналитика | 21% | 13 |
| 6 | Kubernetes | 19% | 12 |
| 7 | Airflow | 19% | 12 |
| 8 | Spark | 16% | 10 |
| 9 | CI/CD | 15% | 9 |
| 10 | Kafka | 13% | 8 |
| 11 | Pandas | 10% | 6 |
| 12 | Английский | 10% | 6 |
Классика ML и статистика
- База: bias/variance, регуляризация, метрики (почему accuracy врёт на несбалансированных классах).
- Статистика: A/B-тесты, p-value, мощность - продуктовые компании гоняют это в первую очередь.
- SQL и pandas на скорость: оконные функции, join-ы, агрегации.
Современный стек
- LLM-блок стал стандартом: эмбеддинги, RAG, файнтюнинг против промптинга, оценка качества.
- ML system design: спроектировать рекомендации или антифрод от данных до мониторинга дрифта.
- Прод: чем ноутбук отличается от продакшена, версионирование данных и моделей.
Про ваш опыт
- Одна модель, доведённая до прода, с бизнес-метрикой - весит больше пяти ноутбуков в Kaggle.
- История про модель, которая НЕ взлетела, и что вы поняли из этого.
Типичные вопросы на собеседовании DS/ML
- Как поймёте, что модель деградировала в проде?
- Precision против recall: что важнее в антифроде и почему?
- Как бы вы спроектировали A/B-тест для новой рекомендательной модели?
- Что такое data leakage, где он прячется чаще всего?
- RAG против файнтюнинга: когда что выбрать?
Живые вакансии DS/ML, чтобы применить подготовку
-
Data Scientist middle/senior - Data Scientist
Войти и написать → -
ML Engineer в «Максима Прайдекс» - Максима Прайдекс
Войти и написать → -
Аутрич — это спам? Разрушаем главный миф о поиске работы в LinkedIn
Войти и написать → -
Data Scientist middle/senior в X5 Tech
Войти и написать → -
Как развернуть модель машинного обучения через Docker (компания не указана)
Войти и написать →
Частые вопросы
Что спрашивают на собеседовании Data Scientist / ML-инженера?
Типичные вопросы собраны на этой странице, а блок «что реально требуют» показывает навыки из живых вакансий: готовьтесь по частотным темам, а не по всему списку технологий сразу.
Как подготовиться, если собеседование уже завтра?
За вечер: повторите типичные вопросы из списка выше, подготовьте 2-3 истории из опыта с цифрами и прочитайте описание вакансии ещё раз - половина вопросов будет из него.
Спрашивают ли сейчас про LLM на DS-собеседованиях?
Почти всегда есть блок: эмбеддинги, RAG, оценка качества генерации. Даже если позиция про классический ML.
Где искать вакансии DS/ML для откликов?
В Telegram-каналах вакансии появляются раньше агрегаторов. FirstMessage мониторит каналы и может откликаться автоматически - до 25 персональных откликов в день от вашего аккаунта.
Подготовка по другим ролям
Получай свежие вакансии первым в Telegram-канале
Ежедневные дайджесты вакансий, разборы откликов и истории успеха.
Подписаться Попробовать автопилот