Подборка открытых вакансий 🔵

Middle Data Scientist в Korona Tech
Удаленно / Гибрид / Офис в Томске

Младший аналитик данных в Skyeng
Гибрид / Офис в Иннополисе

Data engineer в Сбер
От 150.000₽
Офис в Москве

Middle/Senior Data Scientist в 2GIS
Удаленно

Senior ML-Engineer в IVI

История прохождения собеседования на мл-инженера в OpenAI

Кандидат рассказал про свой опыт прохождения интервью в OpenAI на позицию research engineer . Весь процесс занял около семи недель, а главным отличием от классического бигтеха стало то, что интервью практически невозможно "натренировать" обычным литкодом.

Был стандартный звонок с рекрутером, затем два технических скрина и еще три технических интервью. До финального разговора с менеджером кандидат не дошел – отказ пришел после технических этапов.

➖Первый этап был алгоритмическим. Дали задачу про поиск последней версии Python, поддерживающей определенный пакет. По словам кандидата, сложность была не в коде, а в том, чтобы быстро понять правильную структуру решения. Простого бинарного поиска оказалось недостаточно – нужно было придумать более общую схему с "иерархическим" поиском.

➖Второй технический этап был уже больше про скорость и аккуратность кода. Нужно было преобразовать строку с музыкальными битами в текстовую нотацию, а затем постепенно усложнять решение: добавить несколько инструментов и обработку пауз. Интервьюер постоянно расширял требования прямо по ходу задачи. Кандидат отметил, что здесь легко потерять время, если писать не очень чистый код.

➖Самым сложным оказался раунд по мл и статистике. Сначала попросили реализовать all_gather между несколькими нодами, а затем интервью резко ушло в сторону теории информации. Нужно было вывести формулу для количества раундов передачи данных при шумных каналах связи и придумать более эффективный алгоритм. Подсказок почти не давали. По ощущениям кандидата, уровень вопросов был ближе к graduate-level information theory, чем к обычному мл-интервью.

➖Отдельный этап был посвящен дебаггингу трансформеров. Кандидату дали несколько сотен строк кода с реализацией трансформер-модели и попросили найти баги в четырех отмеченных местах. После этого нужно было реализовать кв-кэш и объяснить, какие части механизма внимания придется изменить и какие оптимизации можно добавить. Самой сложной частью была открытость задачи – интервьюеры практически не направляли кандидата.

➖Последний технический раунд был связан с системным программированием. Нужно было реализовать сериализацию и восстановление состояния для key-value store системы, а также продумать поведение системы при запросах во время "выключенного" состояния. Здесь оценивали скорее умение моделировать состояние системы и переходы между ними.

По словам кандидата, интервьюеры в OpenAI были заметно менее "помогающими", чем в большинстве бигтех-компаний. Подсказок почти не давали.

AI Agent Engineer в МТС
Удаленно / Офис / Гибрид в Москве

Предстоит: Проектировать Multi-Agent Systems от логики планирования до контроля ответов пользователю и обрабатывать ошибки; Прорабатывать интеграции и управлять памятью агентов; Разрабатывать техническую документацию, архитектурные решения и поддерживать актуальность реестра API-контрактов..... Узнать подробнее 🔵

Senior/Middle Data Engineer
Офис во Владивостоке

Предстоит: Участие в формировании модели данных; Проектирование и разработка витрины и потоков данных на основе потребностей бизнес-пользователей; Участие в проектах по развитию Data Platform... Узнать подробнее 🔵

Senior/Middle Data Engineer в Cloud.ru
Офис / Гибрид в Москве

Предстоит: Исследование источников и разработка ETL процессов по загрузке данных из источников в DWH; Разработка и поддержка витрин; Участие в проектировании модели данных хранилища; Разработка, поддержка и оптимизация механизмов работы с DataLake.. Узнать подробнее 🔵

Что такое джоб-скам и как на него не попасться

Только в 2022 году американцы потеряли из-за джоб-скама $267 миллионов. В среднем это около $2000 на человека, причем количество таких случаев растет из года в год. К 2025 году ущерб от этих схем превысил 2 миллиарда долларов.

Что же это такое – джоб-скам? Это обман, при котором вы откликаетесь на вакансию и общаетесь не с реальным работодателем, а с мошенником. Псевдорекрутеры пытается получить от вас либо деньги, либо личные данные, которые якобы нужны для оформления в штат, оплаты стажировки и многого другого.

Если в США это не новая проблема, то в России она только набирает популярность. Представители компаний неоднократно сообщают, что кто-то от их имени вел найм, а жертвы в итоге вместо оффера, получали заблокированный телефон и требование выкупа.

Среди популярных способов джоб-скама выделяют:
➖ персонализированные письма. Это легко проверить: достаточно посмотреть на почтовый домен. У настоящего рекрутера после @ обычно указано название компании;
➖ генерацию поддельных вакансий и компаний. С приходом ИИ создать сайт несуществующей компании, портфолио клиентов и новостную ленту стало проще простого. Поэтому такие компании стоит проверять в реестрах;
➖ собеседования с дипфейками. Вы встречаетесь с ИИ-моделью и проводите обычное собеседование, после чего вам сообщают радостную новость о приеме на работу и просят оплатить оборудование, обучение или что-то еще;
➖ кражу документов под предлогом оформления в штат. Если вы были неаккуратны, возможно, на вас уже оформили микрозайм.

Эксперты отмечают, что чаще от скама страдают специалисты начального уровня 😐

Подборка открытых вакансий 🔵

Junior Data Analyst в Skyeng
Гибрид / Офис в Иннополис

Senior CV Engineer в 2GIS
Удаленно

Junior+ Data Scientist в Beeline
Удаленно

SQL разработчик в Ozon
Гибрид / Офис в Москве

Senior ML Engineer в Wildberries
Гибрид / Офис в Москве

Middle Data Scientist в Т-Банк
Гибрид / Офис в Москве

Разбор задачи с Kaggle 

Наткнулись на разбор соревнования Deep Past Challenge на Kaggle. Задача была довольно интересная: необходимо было переводить тексты с староассирийского языка (транслитерации клинописи возрастом около 4000 лет) на английский язык. Вроде бы обычный NLP-кейс, но практике все куда менее тривиально.

Сложность заключалась в том, что участники получили крошечный обучающий набор – всего около 1500 пар переводов. При этом распределения на train и test сильно отличались: обучающие данные были в основном на уровне документов, а тестовые на уровне отдельных предложений. Дополнительно организаторы предоставили большой корпус OCR-данных из научных публикаций, содержащий множество ошибок распознавания, пропусков, шумов и несовпадений.

Решения топ-3 мест в больше степени сводились к тому, кто лучше очистит и подготовит данные или увеличит обучающий набор:

Победители с самого начала отказались от официального train.csv как основы и фактически заново построили корпус из PDF-источников, итеративно улучшая извлечение: постепенно увеличили корпус на несколько тысяч пар по мере исправления ошибок извлечения. При выравнивании они ориентировались на смысловые якоря – числа, шумерограммы, имена собственные – а не на физическое расположение строк на табличке. Финальная система представляла собой ансамбль из 11 моделей ByT5-XL, а для выбора финального перевода использовался MBR-декодинг с комбинацией chrF++, BLEU, Jaccard и эвристик длины. Показательно, что лучшей оказалась подача с минимальной постобработкой – команда сознательно избегала «полировки» результатов после декодирования.

Серебряные призёры показали, что в подобных задачах можно обойтись без сложных ансамблей. Их решение было заметно проще с точки зрения моделирования – один ByT5-large без архитектурных изменений, – однако они добыли около 60 тысяч пар предложений из различных источников, включая турецкие, французские и немецкие публикации, которые переводились на английский в процессе извлечения.

Бронзовая команда сделала акцент на синтетических данных, но не в смысле простого раздувания корпуса. В их решении синтетика работала как структурированный учебный курс по старо-ассирийскому, а не как просто дополнительный текст. Пайплайн был двухэтапным: сначала continued pre-training для усвоения лексики и морфологии, затем fine-tuning на качественных академических переводах. Финальная система представляла собой ансамбль ByT5-Large и ByT5-XL. Для выбора лучшего перевода использовалась reward-модель на базе Qwen.

Практически все сильные команды:
⭐️ занимались восстановлением и очисткой корпуса;
⭐️ боролись с OCR-шумом и ошибками выравнивания;
⭐️ нормализовали тексты и устраняли вариативность написания;
⭐️ использовали LLM в первую очередь для сегментации, фильтрации и подготовки данных, а не как финальную модель перевода;
⭐️ уделяли огромное внимание валидации.

Стажер Data Scientist в МТС
Офис в Москве

Предстоит: Работать с большим потоком внешних проектов на построение ML-моделей; Реализовывать новые фичи для ML моделей на основе данных телекома; Делать аналитику по продуктам финтеха (Python, PySpark).. Узнать подробнее 🔵

Культовый вопрос для найма

Если Стив Джобс прославился своим пивным интервью, то в Microsoft 90-х был другой культовый «ритуал».

На собеседовании вам могли задать вопрос: "Почему крышки канализационных люков круглые?".

Сильным считался не тот кандидат, который сразу выдавал готовый ответ, а тот, кто начинал с уточнения. Что-то вроде: «А они точно всегда круглые?» или подобные вопросы.

На самом деле такой вопрос проверял не знание системы канализационных люков, а несколько других качеств: умеет ли человек работать с неопределённостью; задает ли уточняющие вопросы перед тем, как думать над решением; насколько структурирована рассуждения; может ли предложить несколько гипотез и сравнить их между собой.

Именно поэтому вопрос стал легендой Microsoft конца 90-х. Компания тогда делала ставку на «сырой интеллект» и способность решать незнакомые задачи, а не на знание конкретных технологий.

Но вопрос быстро стал популярным. К концу 90-х его уже знали все студенты, а к началу 2000-х он просачился в книги и СМИ, а затем превратился в заученную загадку. Вместо проверки мышления интервьюеры начали проверять, читал ли кандидат нужную книгу. Поэтому Microsoft пришлось отказаться от этого вопроса.

Кстати, позже компании все же стали измерять эффективность подобных «головоломок» и выяснили, что они почти не предсказывают успех сотрудника 😀. Google официально признал brainteasers пустой тратой времени, а Microsoft постепенно отказалась от подобных вопросов в пользу задач на программирование.

Так почему крышки канализаций круглые?
- круглая крышка не может провалиться в круглое отверстие;
- ее не нужно выравнивать перед установкой;
- тяжелую крышку можно катить по земле вместо того, чтобы нести.

Senior Архитектор решений (Data/AI)
Удаленно / Офис / Гибрид в Москве

Предстоит: Проектировать целевую архитектуру решений в домене данных, аналитики, интеграций и AI/ML-инфраструктуры с учетом стека: GitLab, ArgoCD, k8s, PostgreSQL, Trino, Iceberg, S3, ClickHouse, Superset, DBT, Open Metadata, Dagster, Debezium, vLLM, Ollama, Langfuse и др... Узнать подробнее 🔵

ML-инженер в Т1 Холдинг
Удаленно / Офис / Гибрид в Москве

Предстоит: Создавать ценности для продукта с помощью уже существующих моделей и инструментов: AI-функции внутри продукта; tool calling; RAG.. Узнать подробнее 🔵

AI Agent Engineer в МТС
Удаленно / Офис / Гибрид в Москве

Предстоит: Проектировать Multi-Agent Systems от логики планирования до контроля ответов пользователю и обрабатывать ошибки; Прорабатывать интеграции и управлять памятью агентов.. Узнать подробнее 🔵