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.
Что реально требуют в вакансиях DS/ML
По 13 вакансиям DS/ML из Telegram-каналов за последние 30 дней.
| # | Навык | Доля вакансий | Упоминаний |
|---|---|---|---|
| 1 | Python | 100% | 13 |
| 2 | PyTorch/TF | 100% | 13 |
| 3 | SQL | 54% | 7 |
| 4 | Spark | 38% | 5 |
| 5 | Pandas | 38% | 5 |
| 6 | Docker | 31% | 4 |
| 7 | Аналитика | 31% | 4 |
| 8 | FastAPI | 23% | 3 |
| 9 | CI/CD | 23% | 3 |
| 10 | Flask | 15% | 2 |
| 11 | Airflow | 15% | 2 |
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
Все вакансии DS/ML →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