Блог

Вопросы на собеседовании data scientist и ML-инженера

Богдан Камаев, ментор · 8 ноября 2026

На собеседовании data scientist и ML-инженера спрашивают про опыт, основы машинного обучения, метрики, градиентный бустинг, работу с признаками и ML System Design. Самые частые вопросы вообще не технические: расскажи о себе, почему уходишь, где заканчивалась твоя зона ответственности, какие зарплатные ожидания. Первый технический вопрос по частоте про то, какие модели ты использовал и почему.

Мы разобрали 368 реальных собесов учеников и собрали из них 7071 вопрос. Ниже реальные формулировки по темам, приведённые к нормальному русскому. Основная часть это списки, два самых частых технических вопроса разобраны подробно: ROC AUC и бустинг.

Как проходит ML собеседование

Обычно сначала разговор с рекрутером, потом техническое интервью, иногда отдельно алгоритмы и ML System Design. Состав секций зависит от компании и команды. Вопросы рекрутера мы вынесли в статью про HR-скрининг, здесь только техника и опыт.

Основы ML: вопросы на собеседовании

Переобучение и регуляризация:

Деревья и линейные модели:

Валидация:

Смещение и дисперсия звучат страшно, но идея простая. Смещение это систематическая ошибка: модель слишком простая и не улавливает закономерность. Дисперсия это чувствительность к конкретной выборке: модель слишком сложная и выучила шум. Об этой паре спрашивают постоянно, поэтому продумай её на примере дерева.

Метрики: что спрашивают чаще всего

Классификация:

Регрессия и ранжирование:

Разбор: что такое ROC AUC

Скор это число, которое модель выдаёт объекту, чем больше, тем увереннее она в положительном классе. ROC-кривая показывает, как меняются доля верно найденных положительных объектов (TPR) и доля ложных срабатываний (FPR), когда мы двигаем порог от большого скора к маленькому. ROC AUC это площадь под этой кривой.

Гораздо полезнее другая формулировка: ROC AUC равен вероятности того, что случайный положительный объект получит скор выше случайного отрицательного. Именно так можно объяснить 0.8 бизнесу: в 80% случаев модель поставит клиента, который действительно уйдёт, выше клиента, который останется.

Посчитаем на четырёх объектах:

Объект Скор Класс
a 0.9 1
b 0.6 0
c 0.4 1
d 0.2 0

Положительных два, отрицательных два, значит пар 2 × 2 = 4. Смотрим каждую пару: a выше b, a выше d, c ниже b, c выше d. Правильно упорядочены три пары из четырёх, ROC AUC = 3 / 4 = 0.75.

Проверим через кривую. Сортируем по убыванию скора и идём от точки (FPR 0, TPR 0): a поднимает TPR до 0.5, b сдвигает FPR до 0.5, c поднимает TPR до 1, d сдвигает FPR до 1. Площадь: 0.5 × 0.5 + 0.5 × 1 = 0.75. Сошлось.

Отсюда ответы на самые частые уточнения:

Частая ошибка: говорить, что ROC AUC 0.8 значит «модель права в 80% случаев». Это про порядок пар, про долю верных ответов он ничего не говорит.

Бустинг: вопросы на собеседовании

Разбор: как работает градиентный бустинг

Бустинг строит деревья последовательно. Каждое следующее исправляет ошибку уже построенного ансамбля, и его предсказание добавляется к общему с небольшим коэффициентом, learning rate.

Пример на регрессии с функцией потерь MSE. Таргеты: 10, 20, 30.

Шаг Объект 1 Объект 2 Объект 3
Таргет 10 20 30
Старт: среднее 20 20 20
Остаток −10 0 10
Новое предсказание при learning rate 0.1 19 20 21
Новый остаток −9 0 9

Считаем, что первое дерево выучило остатки точно. Мы сдвинулись на 10% в нужную сторону, и ошибка уменьшилась. Следующее дерево обучается уже на −9, 0, 9.

Откуда тут градиент. Для функции потерь L считаем производную по текущему предсказанию модели F для каждого объекта и берём её с минусом. Это и есть псевдоостатки, на них учится следующее дерево. Для потерь (y − F)² / 2 производная равна F − y, а с минусом получается y − F, то есть обычный остаток. Для других функций потерь, например логистической в классификации, псевдоостатки выглядят иначе, но схема та же. Получается градиентный спуск в пространстве предсказаний.

Поэтому в бустинге обычно неглубокие деревья: каждое простое и даёт небольшой шаг, ансамбль снижает смещение. В случайном лесе деревья независимые и глубокие, усреднение снижает дисперсию. Подробнее про применение этих моделей в статье про классический ML.

Признаки: отбор, кодирование, пропуски

Target encoding это замена категории на среднее значение таргета по ней. Утечка возникает, когда при расчёте этого среднего используется таргет самого объекта. Если ты упомянул этот метод, будь готов рассказать, как считал его без утечки.

ML System Design на собеседовании

ML System Design это секция, где дают бизнес-задачу и просят спроектировать решение целиком. Типовой кейс в наших данных: персональные рекомендации на маркетплейсе.

Рабочий порядок ответа: цель и бизнес-метрика, простой бейзлайн, данные и признаки, модель, офлайн-валидация, A/B-тест, мониторинг. Начинай с уточняющих вопросов, сразу называть архитектуру рано. Разобраться в теме поможет статья про рекомендательные системы.

Задачи на собеседовании data science

Алгоритмы встречаются далеко не везде, но готовым быть стоит. Звучали такие задачи:

Вопрос про сложность звучит чаще всех остальных из этого блока, так что называй её сам, не дожидаясь. SQL тоже спрашивают, разобранные задачи есть в статье про SQL на собеседовании.

Вопросы по опыту

Модели и метрики в твоих проектах:

Прод, то есть работа модели в боевой системе:

Здесь видно, чем отличается ответ сильного кандидата. Слабый перечисляет: «использовал CatBoost, ROC AUC 0.8». Сильный объясняет выбор: какая была задача, какие данные, почему такая метрика, что изменилось в бизнесе. Готовь по каждому проекту из резюме эту связку.

Как подготовиться к собеседованию data scientist

Если ты junior и времени мало, иди в таком порядке:

  1. Рассказ о себе и ответы про мотивацию.
  2. Метрики классификации и ROC AUC на примере с числами.
  3. Деревья, случайный лес, бустинг.
  4. Переобучение, регуляризация, валидация.
  5. Разбор своих проектов по вопросам из раздела про опыт.
  6. Один кейс ML System Design от начала до конца.

Вопросы на удивление повторяются, но знать формулировку мало. Надо ответить вслух, живому человеку, с уточнениями. Для этого есть мок-собеседование. Как мы помогаем найти работу в ML и как готовимся к собесам по таким спискам, рассказываем на странице направления.

Частые вопросы

Что спрашивают на собеседовании data scientist чаще всего?

Рассказ о себе, причина ухода, зона ответственности и зарплатные ожидания. Из техники в лидерах какие модели ты использовал, как работает бустинг, метрики бинарной классификации и ROC AUC.

Чем отличается собеседование ML-инженера от data scientist?

Единого правила нет, названия ролей в компаниях сильно пересекаются. Вопросы из этой статьи звучат на обе. Там, где от тебя ждут вывод моделей в прод, усиливай подготовку по блоку «Прод».

Что такое ML System Design на собеседовании?

Секция, где ты проектируешь решение бизнес-задачи целиком: от цели и метрик до A/B-теста и мониторинга. Проверяют способность вести задачу, поэтому начинай с уточняющих вопросов. Знание конкретной архитектуры тут вторично.

Нужно ли учить все вопросы из списка?

Нет. Начни с тех, что звучат чаще всего: метрики, бустинг, переобучение, проекты из резюме. Потом добирай темы под конкретную вакансию.

Нужна помощь с поиском работы?

Помогаю найти работу ML-инженером и Data Scientist. На бесплатной консультации за 20 минут разберём, где ты сейчас, какая цель и как до неё дойти.

Записаться на бесплатную консультациюМенторство по ML

Читать дальше

Стажировка в Т-Банке: как попасть на ML, аналитику и данныеSQL вопросы на собеседовании и задачи с разборомСобеседование в Сбер: как проходит и какие вопросы задают